一种用于图像序列的新相似性度量
图像与视频处理
2019-07-24 v1 数值分析
数值分析
摘要
图像相似性的量化是图像处理中的常见问题。对于两幅图像组成的图像对，已有多种成熟且理解透彻的可选方法。然而，某些应用（如动态成像或连续切片）涉及图像序列的分析，因而需要同时对多幅图像进行无偏比较。本文提出一种新的相似性度量，其采取全局视角并同时涉及所有图像。核心思想是研究由图像序列归一化梯度场组装而成的矩阵的 Schatten-q-范数。特别地，当 q = 0 时，若该图像序列的梯度信息具有低秩，则该度量取最小值。这种新 SqN 度量的全局视角不仅可用于配准动态成像（如 DCE-MRI）序列，也为同时配准连续切片（如组织学中的切片）提供了新途径。以此方式，可避免小的局部配准误差的累积。初步数值实验在人的肾脏 DCE-MRI 序列及一组连续切片上均展现出非常有前景的结果。用于 SqN 配准的数据的全局结构在所有情形中均得以保持。
引用
@article{arxiv.1907.09741,
title = {A Novel Similarity Measure for Image Sequences},
author = {Kai Brehmer and Benjamin Wacker and Jan Modersitzki},
journal= {arXiv preprint arXiv:1907.09741},
year = {2019}
}
备注
10 pages, 5 figures, accepted at the "International Workshop on Biomedical Image Registration"