CN105957056A - 人体局部影像自动标准化方法 - Google Patents
人体局部影像自动标准化方法 Download PDFInfo
- Publication number
- CN105957056A CN105957056A CN201610247973.4A CN201610247973A CN105957056A CN 105957056 A CN105957056 A CN 105957056A CN 201610247973 A CN201610247973 A CN 201610247973A CN 105957056 A CN105957056 A CN 105957056A
- Authority
- CN
- China
- Prior art keywords
- image
- coordinate
- local image
- characteristic point
- standard picture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及人体局部影像自动标准化方法,包括以下步骤:通过模块匹配的方式在局部影像和标准图像上确定非共线的多个匹配的特征点;基于所述特征点分别建立标准图像三维坐标系和局部影像的三维坐标系;在三维坐标系中对标准图像及局部影像分别进行多分辨率分析,得到多级分辨率的子图;从最低分辨率的子图开始配准,逐级进行配准,直到得到最高分辨率下图像的配准参数,本发明的方法可以用于人体局部影像的自动标准化。
Description
技术领域
本发明涉及图像处理领域,尤其涉及人体局部影像自动标准化方法。
背景技术
在图像处理与应用中,为了获得准确而全面的信息,有时需要将同一对象的不同模式的图像或不同时间的图像进行融合或差异检测。在这些应用中,图像配准是前提条件。图像配准的方法有基于像素和基于特征的两类方法,其中,在基于像素的方法中,作为图像配准程度的测度系数,互信息在图像配准中经常使用。传统的互信息测量图像灰度的统计相关性,只使用了图像的灰度信息,没有考虑空间信息。因此,部分基于互信息的图像配准方法可能出现误配。有人提出最大距离梯度场的概念,并将其应用于基于互信息的图像配准中,改善了图像配准的准确性。但对于不同模式的图像,由于灰度特性不同,其最大距离梯度场难以准确反映图像中的变化。同时,直接使用灰度计算梯度使得这种场易受噪声干扰。
发明内容
鉴于目前技术存在的上述不足,本发明提供人体局部影像自动标准化方法,本发明的方法可以用于人体局部影像的自动标准化。
本发明的采用如下技术方案:
人体局部影像自动标准化方法,包括以下步骤:
通过模块匹配的方式在局部影像和标准图像上确定非共线的多个匹配的特征点;
基于所述特征点分别建立标准图像三维坐标系和局部影像的三维坐标系;
在三维坐标系中对标准图像及局部影像分别进行多分辨率分析,得到多级分辨率的子图;
从最低分辨率的子图开始配准,逐级进行配准,直到得到最高分辨率下图像的配准参数。
作为本发明的优选技术方案,所述通过模块匹配的方式在局部影像和标准图像上确定非共线的多个匹配的特征点的步骤包括:
以图像所在平面为XOY平面,以像素为坐标系单位,确定各个特征点的X轴坐标和Y轴坐标;
如果图像为标准图像,则设定一个整数作为标准图像中的各个特征点的Z坐标;
如果图像为局部影像,则基于任意两个特征点在局部影像的XOY平面上的距离、该两特征点在标准图像的XOY平面上的距离、以及上述标准图像中的各个特征点的Z坐标,计算局部影像中各个特征点的Z坐标。
作为本发明的优选技术方案,所述在三维坐标系中对标准图像及局部影像分别进行多分辨率分析,得到多级分辨率的子图的步骤包括:
通过基于算术-几何不等式的距离定义计算对标准图像及局部影像分别进行多分辨率分析,得到多级分辨率的子图。
作为本发明的优选技术方案,所述从最低分辨率的子图开始配准,逐级进行配准,直到得到最高分辨率下图像的配准参数的步骤包括:
根据最高分辨率下的配准参数,对局部影像进行坐标变换,对非整数坐标像素进行灰度插值,得到整幅配准图像。
本发明的人体局部影像自动标准化方法,具有以下有益效果:1、通过对参与配准的图像进行多分辨分析,得到不同分辨率下的子图,计算各级子图及变换图像的最大方差变化场,并计算对应图像配准测度,得到最优化的配准参数,经过逐级配准,直到得到最高分辨率的配准图像,即原始图像的配准;2、以及采用三维坐标系中对标准图像及局部影像分别进行多分辨率分析,得到多级分辨率的子图,可以减少不必要的误差。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明提供人体局部影像自动标准化方法,包括以下步骤:
步骤S1:通过模块匹配的方式在局部影像和标准图像上确定非共线的多个匹配的特征点,具体包括,步骤S1a:以图像所在平面为XOY平面,以像素为坐标系单位,确定各个特征点的X轴坐标和Y轴坐标;步骤S1b:如果图像为标准图像,则设定一个整数作为标准图像中的各个特征点的Z坐标;步骤S1c:如果图像为局部影像,则基于任意两个特征点在局部影像的XOY平面上的距离、该两特征点在标准图像的XOY平面上的距离、以及上述标准图像中的各个特征点的Z坐标,计算局部影像中各个特征点的Z坐标。
步骤S2:基于所述特征点分别建立标准图像三维坐标系和局部影像的三维坐标系,具体包括:以图像中的所有特征点的重心作为原点,再以原点与一特征点确定的直线为X轴,以垂直于特征点所在平面的直线为Z轴,根据右手法则,以垂直于XOZ平面的直线为Y轴。
步骤S3:在三维坐标系中对标准图像及局部影像分别进行多分辨率分析,得到多级分辨率的子图,具体为,通过基于算术-几何不等式的距离定义计算对标准图像及局部影像分别进行多分辨率分析,得到多级分辨率的子图,更具体为,由算术-几何不等式出发,定义不等式中两项的偏离度,即距离,再根据算术-几何不等式的距离定义,定义基于最大方差变化场的图像配准测度。
步骤S4:从最低分辨率的子图开始配准,逐级进行配准,直到得到最高分辨率下图像的配准参数,具体为,从最低分辨率的子图开始配准,最优参数采用Powell算法寻找。将较低分辨率的图像配准参数通过插值映射为高一级分辨率图像的配准参数的初始值,继续进行本级配准参数的最优化,直到得到最高分辨率下图像的配准参数。进一步,根据最高分辨率下的配准参数,对局部影像进行坐标变换,对非整数坐标像素进行灰度插值,得到整幅配准图像。
本发明还包括:人体局部影像自动标准化的设备,包括特征点确定模块,所述特征点确定模块用于通过模板匹配的方式在局部影像和标准图像上确定非共线的多个匹配的特征点;坐标系确定模块,所述坐标系确定模块用于建立标准图像的三维坐标系和局部影像的三维坐标系;分辨率分析模块,所述分辨率分析模块用于在三维坐标系中对标准图像及局部影像分别进行多分辨率分析,得到多级分辨率的子图;配准模块,所述配准模块用于从最低分辨率的子图开始配准,逐级进行配准,直到得到最高分辨率下图像的配准参数。
更进一步为,将低分辨率的图像配准参数通过插值映射为高一级分辨率图像的配准参数的初始值,平移参数放大一倍,旋转参数则保持不变,继续进行配准,得到本分辨率下图像的配准参数,如果未达到最高分辨率的图像,则继续配准过程,直至得到最高分辨率图像即原始图像的配准参数。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本领域技术的技术人员在本发明公开的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (4)
1.人体局部影像自动标准化方法,其特征在于,包括以下步骤:
通过模块匹配的方式在局部影像和标准图像上确定非共线的多个匹配的特征点;
基于所述特征点分别建立标准图像三维坐标系和局部影像的三维坐标系;
在三维坐标系中对标准图像及局部影像分别进行多分辨率分析,得到多级分辨率的子图;
从最低分辨率的子图开始配准,逐级进行配准,直到得到最高分辨率下图像的配准参数。
2.根据权利要求1所述的人体局部影像自动标准化方法,其特征在于,所述通过模块匹配的方式在局部影像和标准图像上确定非共线的多个匹配的特征点的步骤包括:
以图像所在平面为XOY平面,以像素为坐标系单位,确定各个特征点的X轴坐标和Y轴坐标;
如果图像为标准图像,则设定一个整数作为标准图像中的各个特征点的Z坐标;
如果图像为局部影像,则基于任意两个特征点在局部影像的XOY平面上的距离、该两特征点在标准图像的XOY平面上的距离、以及上述标准图像中的各个特征点的Z坐标,计算局部影像中各个特征点的Z坐标。
3.根据权利要求1所述的人体局部影像自动标准化方法,其特征在于,所述在三维坐标系中对标准图像及局部影像分别进行多分辨率分析,得到多级分辨率的子图的步骤包括:
通过基于算术-几何不等式的距离定义计算对标准图像及局部影像分别进行多分辨率分析,得到多级分辨率的子图。
4.根据权利要求1-3任一所述的人体局部影像自动标准化方法,其特征在于,所述从最低分辨率的子图开始配准,逐级进行配准,直到得到最高分辨率下图像的配准参数的步骤包括:
根据最高分辨率下的配准参数,对局部影像进行坐标变换,对非整数坐标像素进行灰度插值,得到整幅配准图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610247973.4A CN105957056A (zh) | 2016-04-20 | 2016-04-20 | 人体局部影像自动标准化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610247973.4A CN105957056A (zh) | 2016-04-20 | 2016-04-20 | 人体局部影像自动标准化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105957056A true CN105957056A (zh) | 2016-09-21 |
Family
ID=56917787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610247973.4A Pending CN105957056A (zh) | 2016-04-20 | 2016-04-20 | 人体局部影像自动标准化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105957056A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570866A (zh) * | 2016-11-22 | 2017-04-19 | 青岛大学 | 人体医学影像器官几何比对的检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101071503A (zh) * | 2006-05-10 | 2007-11-14 | 航伟科技股份有限公司 | 人体局部影像自动标准化方法 |
CN102521837A (zh) * | 2011-12-19 | 2012-06-27 | 湖南工业大学 | 基于全局信息的图像配准方法 |
CN102831381A (zh) * | 2011-06-15 | 2012-12-19 | 鸿富锦精密工业(深圳)有限公司 | 影像差异比较系统及方法 |
CN105118021A (zh) * | 2015-07-28 | 2015-12-02 | 深圳市汇川技术股份有限公司 | 基于特征点的图像配准方法及系统 |
-
2016
- 2016-04-20 CN CN201610247973.4A patent/CN105957056A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101071503A (zh) * | 2006-05-10 | 2007-11-14 | 航伟科技股份有限公司 | 人体局部影像自动标准化方法 |
CN102831381A (zh) * | 2011-06-15 | 2012-12-19 | 鸿富锦精密工业(深圳)有限公司 | 影像差异比较系统及方法 |
CN102521837A (zh) * | 2011-12-19 | 2012-06-27 | 湖南工业大学 | 基于全局信息的图像配准方法 |
CN105118021A (zh) * | 2015-07-28 | 2015-12-02 | 深圳市汇川技术股份有限公司 | 基于特征点的图像配准方法及系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570866A (zh) * | 2016-11-22 | 2017-04-19 | 青岛大学 | 人体医学影像器官几何比对的检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Al-Amri et al. | Image segmentation by using edge detection | |
CN106340044B (zh) | 摄像机外参自动标定方法及标定装置 | |
TWI497450B (zh) | 視訊物件追蹤方法 | |
CN107845073B (zh) | 一种基于深度图的局部自适应三维点云去噪方法 | |
US10773103B2 (en) | Realtime radiotherapy markerless calibration and measurement system | |
CN108932536A (zh) | 基于深度神经网络的人脸姿态重建方法 | |
CN106643555B (zh) | 基于结构光三维测量系统的连接件识别方法 | |
CN109829906A (zh) | 一种基于方向场与纹理特征的工件缺陷检测与分类方法 | |
CN108629809B (zh) | 一种精确高效的立体匹配方法 | |
CN111105452B (zh) | 基于双目视觉的高低分辨率融合立体匹配方法 | |
CN101996416A (zh) | 3d人脸捕获方法和设备 | |
CN105488798B (zh) | 基于点集对比的sar图像相似性度量方法 | |
CN105957056A (zh) | 人体局部影像自动标准化方法 | |
CN105913375A (zh) | 一种用于解剖图像进行配准的方法和设备 | |
CN114136236A (zh) | 一种结合极线约束的相位轮廓自适应投影测量方法 | |
CN109741389A (zh) | 一种基于区域基匹配的局部立体匹配方法 | |
CN110246169A (zh) | 一种基于梯度的窗口自适应立体匹配方法及系统 | |
CN106056599B (zh) | 一种基于物体深度数据的物体识别算法及装置 | |
CN114648544A (zh) | 一种亚像素椭圆提取方法 | |
Franaszek et al. | Fitting spheres to range data from 3-D imaging systems | |
CN111833395B (zh) | 一种基于神经网络模型的测向体制单目标定位方法和装置 | |
CN106097338A (zh) | 心脏头颈部血管联合成像方法 | |
Belhaoua et al. | Estimation of 3D reconstruction errors in a stereo-vision system | |
CN106570866A (zh) | 人体医学影像器官几何比对的检测方法 | |
Usami et al. | 3d shape recovery of polyp using two light sources endoscope |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160921 |