大尺寸高分辨率差异图像的结构化分层细分配准研究

When registering images with non-linear and local geometric distortions, it always exists two basic problems-how to match features and what mapping functions to use for registration. Although the second one can be solved at least on theoretically level by using appropriate radial basis functions, the first problem is generally unsolvable due to the nature of registration of images with complex non-linear, locally dependent geometric distortions,and high resoluation. Due to the large image intensity and geometric differences, it becomes infeasible to generate stable and reliable corresponding features using certain approaches which are generally based on features or regions for image registration. In this proposal, we will develop a novel approach to achieve registration of such images with large local geometric differences. In spite of considerable differences between two images of a scene, through constructing the relationship of local attributes and global attributes of images, we can tell whether the images have the same orientation, or if one image is rotated with respect to the other, or if one image has a larger/smaller scale than the other. Firstly, determining the rotational differences between images through normalized histogram matching of accumulating local dominant orientations, and then determining the scaling ratio between images through normalized histogram matching of accumulating dominant local scales of distinctive features, finally, let the two images of a scene that have about the same orientation and scale, and establish correspondence between them via a hierarchical subdivision and coarse-to-fine approach. This process may achieve registering large size and high-resolution images in an efficient manner and recover local geometric differences finely.

关于图像间复杂非线性和局部几何变形的配准，始终面临着两个重要的问题：如何匹配特征以及选择何种映射变换模型。尽管采取径向基函数，能够较好地解决配准中的映射变换问题，但复杂非线性、局部几何变形或大尺寸高分辨率图像的特征匹配仍然是没有被解决的重要难题。由于图像间复杂的变换关系和存在较大的局部差异，目前基于特征或区域的图像配准方法很难获得稳定、可靠的匹配特征。本项目拟从结构化属性分布匹配和分层细分的角度，解决大尺寸高分辨率的全局和局部差异图像间的配准问题。首先，由图像局部方向属性构建精确稳定的全局方向分布属性直方图，通过归一化方向直方图配准检测图像间旋转角度差异；然后，由图像局部显著特征的尺度属性构建全局尺度属性分布直方图，通过归一化尺度直方图配准实现图像间的尺度差异检测；最后，在图像粗调整后拟采用多层细分思路实现局部差异区域的配准，并最终高效率地实现大尺寸高分辨率全局和局部差异图像间的精细配准。

医学临床中呼吸、心跳或手术引起人体组织局部变形，使待配准医学影像间具有较大的局部几何差异，本课题基于图像特征的结构化属性分布匹配解决图像间复杂非线性和局部几何变形的配准问题。同时，基于图像特征分析医学肝癌影像生物学特性，解决基于影像特征诊断组织病理学分化和血管侵犯两个关键问题。.在图像配准方面，研究解决不规则形变下医学影像配准问题。首先，由图像局部方向属性构建全局方向分布属性直方图，通过归一化方向直方图匹配检测图像间旋转角度差异。其次，由图像局部显著特征的尺度属性构建全局尺度属性分布直方图，通过归一化尺度直方图匹配实现图像间的尺度差异检测。在研究过程中，归一化方向直方图匹配可以稳定准确检测存在较大形变差异的图像间旋转角度，但由局部尺度属性直方图匹配获取的尺度差异值不稳定，容易受到拍摄角度和图像噪声的影响。随后调整了研究思路，专门针对尺度无变化或尺度变化已知的医学影像进行配准。最终，本课题研究提出了针对较大几何形变差异影像配准方法。通过与基于边界的方法比较，表明本文的方法在鲁棒性和精度上均优于基于边界的方法，该方法在临床影像的形变配准中获得了稳定的配准结果。将该方法应用于传统的迭代优化配准平台中，将粗匹配获得的参数估计值作为迭代优化的初始值，实验表明迭代优化次数明显减小，迭代优化达到全局极值的概率显著提高。.在医学影像特征分析方面，主要基于放射组学思路解决肝细胞癌的影像特性分析并构建其与临床病理的关联，为临床肝癌诊断提供影像学分析方法。在肝细胞癌的恶性度区分方面，基于放射组学思想提出了一种全新的基于增强磁共振动脉期影像和纹理分析的区分方法，从影像特征描述角度定量的刻画了肝细胞癌的恶性程度，相比传统的功能磁共振方法区分精度有显著的提升（由73%左右提升至86%）。在肝细胞癌门静脉侵犯方面，从影像特征描述角度定量估计门静脉侵犯，性能（AUC>0.8）均优于传统的基于肿瘤大小、直方图特征及肿瘤标记AFP等。