目的肌骨超聲寬景圖像易出現(xiàn)解剖結(jié)構(gòu)錯位、斷裂等現(xiàn)象,其成像算法中的特征檢測影響寬景圖像的質(zhì)量,也是超聲圖像配準、分析等算法的關鍵步驟,但目前仍未有相關研究明確指出適合提取肌骨超聲圖像特征點的算法。本文利用結(jié)合SIFT （scale invariant feature transform）描述子的FAST（features from accelerated segment test）算法以及SIFT、SURF（speeded-up robust features）、ORB（oriented FAST and rotated binary robust independent elementary features（BRIEF））算法對肌骨超聲圖像序列進行圖像拼接,并對各算法的性能進行比較評估,為肌骨超聲圖像配準、寬景成像提供可參考的特征檢測解決方案。方法采集5組正常股四頭肌的超聲圖像序列,每組再采樣10幅圖像。利用經(jīng)典的圖像拼接算法進行肌骨圖像的特征檢測以及圖像拼接。分別利用上述4種算法提取肌骨超聲圖像的特征點;對特征點進行特征匹配,估算出圖像間的形變矩陣;對所有待拼接的圖像進行坐標變換... 

【文章來源】：中國圖象圖形學報. 2020,25(05)北大核心CSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

SIFT特征點描述子的生成過程示意圖

如圖2所示，對任意一個特征點，將以該特征點為中心，邊長為20σ的正方形鄰域旋轉(zhuǎn)至主方向后，均勻分成4×4個子區(qū)域，統(tǒng)計每個子區(qū)域內(nèi)所有像素點在x、y方向上的Harr小波響應值(dx、dy)及其絕對值，分別求和后可獲得4維的特征矢量,16個子區(qū)域的響應信息組合在一起，共同構(gòu)成64維的特征點描述子。圖2中黑色加粗箭頭表示特征點的主方向;方框為一子區(qū)域，內(nèi)含25個像素點。SURF特征點檢測算法直接使用不同大小的盒子濾波器與原始圖像做卷積構(gòu)建尺度空間金字塔，在一定程度上提高了運算效率，但其耗時仍然較長。

FAST檢測模板示意圖


本文編號：3318430