科研之友
微信
新浪微博
Facebook
分享链接
摘要
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。
- 出版日期2022
- 单位湖南医药学院
