本文介绍了光流场模型在医学图像非刚性配准中的应用，通过Horn和Lucas-Kanade的光流算法进行图像配准。提供了MATLAB GUI源代码实现，包括图像选择、算法选择和配准过程。实验结果展示配准的准确性，并提及适用于MATLAB 2014a版本。
⛄一、光流场模型简介
目前对大脑的研究主要借助于 ＣＴ、ＭＲＩ和 ＰＥＴ等医学成像技术通过成像技术得到的图像可以 提供人脑直观的信息为人脑解剖结构的分析、功能 区域的定义、脑疾病的诊断提供有力依据。因此大脑图像的分析和处理具有重要的实用价值和现实 意义。由于配准所求解的位移场与光流场模型所求解的 速度场具有相似性ＰａｌｏｓＰｉｅｒｒｅ等人将光流场模型引入到了图像配准中。本文在经典光流场算法的基础上将其应用于非刚性医学图像的配准中得到了相对精确的配准结果。
1 光流场模型算法
如果把浮动图像和参考图像分别看作时间间隔为 Δｔ的视频流中的ｔ时刻与＋Δｔ时刻的图像那么图像的配准可以认为是从浮动图像流动到参考图像的过程即光流场求解的速度场即为配准所要求解的位移 场‚因此可以借助光流场进行图像配准。
1.1 Horn光流场理论
不能同时求出光流的两个速度分
订阅专栏 解锁全文
1548
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
