Loading...
Image Registration Using a Total Variation Based Similarity Metric
Aghajani, Khadijeh | 2016
2639
Viewed
- Type of Document: Ph.D. Dissertation
- Language: Farsi
- Document No: 49400 (19)
- University: Sharif University of Technology
- Department: Computer Engineering
- Advisor(s): Manzouri Shelmani, Mohammad Taghi
- Abstract:
- Image registration is one of the fundamental and essential tasks for medical imaging and remote sensing applications. One of the most common challenges in this area is the presence of complex spatially varying intensity distortion in the images. The widely used similarity metrics, such as MI (Mutual Information), CC (Correlation Coefficient), SSD (Sum of Square Difference), SAD (Sum of Absolute Difference) and CR (Correlation Ratio), are not robust against this kind of distortion; because stationarity assumption and the pixel-wise independence cannot be obeyed and captured by these metrics. In this research, we proposed a new intensity-based method for simultaneous image registration and intensity correction. We assume that the registered moving image can be reconstructed by the reference image through a linear function consists of multiplicative and additive coefficients. We also assume that the illumination changes in the images are spatially-smooth in each region, so we use weighted Total Variation as a regularization term to estimate the aforesaid multiplicative and additive coefficients. Using weighted Total Variation leads to reduce the smoothness-effect on the coefficients across the edges and causes low level segmentation on the coefficients. For minimizing the reconstruction error, as a dissimilarity term, we use sum of absolute error which is more robust against illumination change and non-Gaussian noises than the sum of squared error. Primal-Dual method is used for solving the optimization problem. The proposed method is applied to simulated, as well as, real-world data in medical and remote sensing area. Then, the comparisons are made to MI, CC, SSD, SAD and RC qualitatively and sometimes quantitatively. The experiment results are demonstrating that the proposed method produces more accurate registration results than conventional methods
- Keywords:
- Total Variation ; Image Registration ; Illumination Variation ; Similarity-based Algorithm ; Rigid Registration ; Non-Rigid Registration
-
محتواي کتاب
- view
- مقدمه
- پیشگفتار
- تعریف مسئله و نگاه کلی بر روش پیشنهادی
- ساختار پایاننامه
- مقدمهای بر انطباق تصاویر
- مقدمه
- انطباق تصاویر
- مدل ریاضی
- اجزای الگوریتم انطباق
- تابع تبدیل
- فضای ویژگی
- معیارهای شباهت در روشهای مبتنی بر سطح
- روشهای بهینهسازی
- اعتبار سنجی
- مشکلات رایج در مسئله انطباق تصاویر
- جمعبندی مطالب
- مروری بر پژوهشهای پیشین
- الگوریتمهای مبتنی بر استخراج ساختارهای بارز متناظر در تصاویر
- الگوریتمهای مبتنی بر استخراج نقاط متناظر
- الگوریتمهای مبتنی بر استخراج نواحی متناظر
- سایر ساختارها
- رویکرد تناظر نرم در حل مسئله تناظریابی
- الگوریتمهای مبتنی بر اطلاعات متقابل
- روشهای حاصل از ترکیب اطلاعات متقابل و ویژگیهای ساختاری تصاویر
- الگوریتمهای مبتنی بر -MI
- الگوریتمهای مبتنی بر مدلهای تصادفی مارکوف
- الگوریتمهای مبتنی بر شباهت داخلی
- استفاده از معیارهای شباهت مبتنی بر گرادیان
- الگوریتمهای مبتنی بر نمایش ساختاری
- الگوریتمهای مبتنی بر آموزش
- الگوریتمهای ارائه شده در جهت مقاومت در برابر تغییر شدت روشنایی تصاویر
- جمعبندی مطالب
- الگوریتمهای مبتنی بر استخراج ساختارهای بارز متناظر در تصاویر
- مقدمهای بر روشهای مبتنی بر تغییرات کلی
- چکیده
- روشهای مبتنی بر آنالیز تغییرات
- کاهش نویز تصاویر با استفاده از روشهای مبتنی بر تغییرات
- بهینهسازی محدب
- گسستهسازی مساله ROF
- نگاهی مختصر بر مزدوج LF
- حل عددی با استفاده از روش اولیه-دوگان
- نتیجهگیری
- راه حل پیشنهادی
- چکیده
- مقدمه
- راه حل پیشنهادی اول : در نظر گرفتن میدان تخریب جمع شونده
- گسستهسازی
- راه حل عددی
- راه حل پیشنهادی دوم : در نظر گرفتن میدانهای تخریب جمع و ضرب شونده
- گسستهسازی
- راه حل عددی
- پیادهسازی الگوریتم در تفکیکپذیریهای مختلف
- تابع تبدیل
- استفاده از مدل شکلپذیر آزاد B-spline جهت شبیهسازی تابع تبدیل
- تبدیل صلب
- نتیجهگیری
- پیادهسازی و مشاهدات
- مقدمه
- انطباق تصاویر پزشکی : تبدیل غیر صلب
- دادههای شبیهسازی
- دادههای واقعی
- تصاویر سنجش از دور : تبدیل صلب
- دادههای حقیقی
- دادههای شبیهسازی
- نتیجهگیری
- جمعبندی مطالب و راهکارهای آتی
- جمعبندی
- کارهای آتی
- مراجع
