局部无阶配准
计算机视觉与模式识别
2015-03-20 v1
摘要
图像配准是医学图像分析的重要工具，通过扭曲一幅图像的坐标场以最小化某种相似性度量，将图像对齐到同一参考系。我们在局部无阶图像（LOI）的背景下研究图像配准中的相似性，这是研究密度估计的自然方式，并揭示了三个基本尺度：测量尺度、强度尺度和积分尺度。本文有三个主要贡献：首先，我们将大量流行的相似性度量重新表述为一个通用框架，我们称之为局部无阶配准，该框架充分利用了局部直方图的特征。其次，我们扩展了对局部直方图的理论理解。第三，我们使用我们的框架比较了两种最先进的图像配准强度密度估计器：Parzen窗（PW）和广义部分体积（GPV），并展示了它们在一种流行的相似性度量——归一化互信息（NMI）上的差异。我们得出结论，无论选择PW还是GPV，像NMI这样复杂的相似性度量几乎可以像简单度量（如平方距离和SSD）一样快速评估。此外，GPV是一种非对称度量，而PW是我们的首选。
引用
@article{arxiv.1205.5425,
title = {Locally Orderless Registration},
author = {Sune Darkner and Jon Sporring},
journal= {arXiv preprint arXiv:1205.5425},
year = {2015}
}
备注
submitted