Реєстрація зображень: відмінності між версіями
| [неперевірена версія] | [неперевірена версія] |
Inna Z (обговорення | внесок) |
Inna Z (обговорення | внесок) |
||
| Рядок 17: | Рядок 17: | ||
== Посилання == |
== Посилання == |
||
{{Commons category|Image registration}} |
|||
* Кривцов О. А., Кориков А. М. [http://rsdn.ru/article/multimedia/InverseCompositionalAlgorithm.xml Инверсно-композиционный алгоритм регистрации изображений] Программная реализация алгоритма регистрации средствами языка C++ и библиотеки OpenCV |
|||
*Richard Szeliski, [http://research.microsoft.com/apps/pubs/default.aspx?id=75695 Image Alignment and Stitching: A Tutorial]. Foundations and Trends in Computer Graphics and Computer Vision, 2:1-104, 2006. |
*Richard Szeliski, [http://research.microsoft.com/apps/pubs/default.aspx?id=75695 Image Alignment and Stitching: A Tutorial]. Foundations and Trends in Computer Graphics and Computer Vision, 2:1-104, 2006. |
||
* BrainAligner: [http://penglab.janelia.org/proj/brainaligner for very large scale 3D brain registration, Nature Methods, 2011]. |
* BrainAligner: [http://penglab.janelia.org/proj/brainaligner for very large scale 3D brain registration, Nature Methods, 2011]. |
||
Версія за 22:21, 12 лютого 2015
Реєстрація зображень (співставлення, накладання) це процес трансформування різних наборів даних в одну координатну систему. Даними можуть бути серія фотографій, дані з різних сенсорів, моментів часу, глибини, або точок спостереження.[1] Алгоритми реєстрації зображень використовуються в комп'ютерному баченні, методах медичної візуалізації, у військовій справі для автоматичного розпізнавання цілей, і для впорядковування і аналізу зображень із супутникових даних. Реєстрація необхідна для того, мати можливість порівнювати або інтегрувати отримані з цих різних пристроїв реєстрації даних.
Класифікація алгоритмів
Порівняння методів основаних на аналізі інтенсивності або основі виділення ознак
В даному процесі, одна частина зображень представляє собою опорне зображення або еталон, а інші відповідні зображення називаються цільовими, або тими, що підлягають скануванню, пошуку об'єктів. Реєстрація зображення досягається шляхом співставлення цільових зображень, так щоб вони збігалися з еталонним зображенням. У методах, що працюють з інтенсивністю зображень, порівнюють зразки інтенсивності зображення на основі кореляції показників, а в методах основаних на виділенні ознак шукають відповідності між елементами зображення, такими як точки, лінії і контури. Методи на основі аналізу інтенсивності, зіставляють цілі зображення чи частини зображень. Якщо зіставляються частини зображень, центри відповідних частин зображення розглядаються як відповідні характерні точки. Методи на основі виділення ознак головним чином встановлюють відповідність між групою різних точок зображення. Знайшовши відповідність між цими групами точок на зображенні (образами), для зображення кінцевого зображення виконується геометрична трансформація над цільовим зображенням, перед співставленням з еталонним зображенням, яка показує відповідність між цими зображеннями точка за точкою.[2][3]
Моделі трансформації
Алгоритми співставлення зображень також можна класифікувати відповідно до моделей трансформації, які вони використовують для співвідношення простору цільового зображення в простір еталонного зображення. Перша широка категорія моделей трансформації включає в себе лінійні відображення такі як: обертання, масштабування, переміщення і інші афінні перетворення. [4] Лінійні відображення носять глобальний характер, таким чином, їх не можна застосовувати для моделювання місцевих геометричних відмінностей між зображеннями. [2]
Друга категорія перетворень дозволяє здійснювати еластичні або нежорсткі перетворення. Такі трансформації дозволяють здійснювати локальні деформації цільового зображення для узгодження з еталонним. Нежорсткі перетворення включають в свій набір радіальні базисні функції (сплайн "тонка пластина" або сплайни поверхонь, мультиквадратичні, і фінітні перетворення (тобто з компактним носієм)[2]), моделі фізичної безперервності (в'язких рідин), моделі великих деформацій (дифеоморфізм).
Примітки
- ↑ Lisa Gottesfeld Brown, A survey of image registration techniques (abstract), ACM Computing Surveys (CSUR) archive, volume 24, issue 4, December 1992), pages 325 - 376
- ↑ а б в A. Ardeshir Goshtasby: 2-D and 3-D Image Registration for Medical, Remote Sensing, and Industrial Applications, Wiley Press, 2005.
- ↑ Sindhu Madhuri G, Classification of Image Registration Techniques and Algorithms in Digital Image Processing – A Research Survey, International Journal of Computer Trends and Technology (IJCTT) – volume 15 number 2, Sep 2014
- ↑ http://www.comp.nus.edu.sg/~cs4243/lecture/register.pdf
Посилання
- Кривцов О. А., Кориков А. М. Инверсно-композиционный алгоритм регистрации изображений Программная реализация алгоритма регистрации средствами языка C++ и библиотеки OpenCV
- Richard Szeliski, Image Alignment and Stitching: A Tutorial. Foundations and Trends in Computer Graphics and Computer Vision, 2:1-104, 2006.
- BrainAligner: for very large scale 3D brain registration, Nature Methods, 2011.
- B. Fischer, J. Modersitzki: Ill-posed medicine – an introduction to image registration. Inverse Problems, 24:1–19, 2008
- Barbara Zitová, Jan Flusser: Image registration methods: a survey. Image Vision Comput. 21(11): 977-1000 (2003).
- C. Je and H.-M. Park. Optimized Hierarchical Block Matching for Fast and Accurate Image Registration. Signal Processing: Image Communication, Volume 28, Issue 7, pp. 779-791, August, 2013.
- Registering Multimodal MRI Images using Matlab.
- elastix: a toolbox for rigid and nonrigid registration of images.
- niftyreg: a toolbox for doing near real-time robust rigid, affine (using block matching) and non-rigid image registration (using a refactored version of the free form deformation algorithm).
- Image Registration techniques using MATLAB