传统SIFT算法采用128维描述算子表征一个关键点,计算量大、复杂度高,图像配准时间长,效率较低.此外,图像在采集的过程中因其尺度、旋转角度、明暗等不同因素的影响容易造成医学图像的误配准.因此,该文采用改进的SIFT算法进行配准.首先,利用快速近似最近邻搜索算法查找两幅图像上的关键点,并以其为中心取8×8的采样窗.把8×8的采样窗划分成4个模块,每一个模块是4×4的小窗口.在每一个模块内计算8个梯度方向信息,每个梯度信息就是一个特征点描述符.这样每个关键点就可以有32个SIFT特征描述符.然后,通过相似性度量判定两个关键点的相关性,并对其进行降序排序.理论上,当两幅图上的关键点一致时,两个关键点的相似性度量值等于1.本研究设置的阈值是0.95,当两点的比值大于0.95,就把两个点当作匹配点.为保证算法的精度,在传统SIFT算法的基础上采用双向匹配.只有两次匹配得到关键点的坐标之和相等,就把这对关键点当作匹配点.研究结果表明,采用改进的SIFT算法能提高配准速度,同时保持配准精度,得到较为理想的配准效果.
国家科技期刊平台
NSTL
万方数据
维普
