31761

انطباق تصاوير مبتني بر نمايش تنك و مدل ضرب شونده

كارشناسي ارشد

مهندسي پزشكي- بيوالكتريك

1400

1403/7/4

ابوذر غفاري

/

دانشكده مهندسي برق

انطباق تصاوير يكي از روش¬هاي پر اهميت در پردازش تصاوير پزشكي است كه به تناظر نقطه به نقطه بين تصاوير مي‌پردازد و هدف آن يكسان¬سازي مختصات دو يا چند تصوير است كه در زمان¬هاي مختلف يا توسط ابزار¬هاي مختلف ثبت شده¬است. از اجزاي اصلي انطباق تصاوير معيار شباهت مقاوم در برابر نويز و اعوجاج¬ها مي¬باشد. از چالش¬هاي عمده در اين روش وجود اعوجاج شدت روشنايي است كه باعث ايجاد رابطه غيرخطي بين شدت روشنايي و نقاط متناظر مي¬گردد براي مقابله با اين چالش¬‌ها، استفاده از تكنيك‌¬هاي پيش‌پردازش و الگوريتم‌¬هاي انطباق تصاوير پيشرفته ضروري است تا دقت و كيفيت انطباق تصاوير بهبود يابد. در اين پايان¬‌نامه، ما به بررسي اعوجاج¬‌هاي همبسته شدت روشنايي مي¬‌پردازيم. اين اعوجاج¬‌ها بر اساس نمايش تنك در حوزه تبديل مدل‌¬سازي مي¬‌شوند. براي بيان مسئله اصلي از مدل ضرب‌¬شونده استفاده شده¬است. براي حل اين مساله ايده اساسي اين است كه همبستگي ميان پيكسل¬هاي اعوجاج در تعريف معيار شباهت در نظر گرفته شود تا اعوجاج به روشي مناسب مدل گردد و عمل انطباق را نيز همزمان با كاهش اعوجاج شدت روشنايي انجام دهد. الگوريتم استفاده شده جهت بهينه¬سازي مدل پيشنهادي رو تقسيم نيمه مربعي مي¬باشد. در ابتدا معيار شباهت مقاوم بر اساس مدل ضرب شونده مبتني بر مجموع مربعات خطا پيشنهاد شده¬است و سپس در راستاي بهبود معيار شباهت پيشنهادي، معيار¬هاي شباهت ديگري نيز معرفي شدند. معيار شباهت جديد حالت تعميم يافته ضرب¬شونده از معيار شباهت SSD مي-باشد كه توسط الگوريتم HQSبه سه زير مسئله ساده و قابل حل تبديل مي¬شود كه هر پارامتر به صورت تكراري در راستاي حل مسئله بهينه¬سازي كمك مي¬كند. توانايي تخمين اعوجاج شدت روشنايي به كمك مدل پيشنهادي ارائه شده از موارد اساسي در اين مطالعه است. مقاومت مدل پيشنهادي در برابر اعوجاج شدت روشنايي متنوع با ساير معيار¬هاي شباهت مورد مقايسه قرار گرفته‌است. اين مدل بر روي تصاوير آزمايشگاهي و واقعي نيز ارزيابي شده كه نتايج پياده¬سازي شده نشان مي¬دهد روش ارائه شده به عنوان معيار شباهت جديد در مقابل معيار¬هاي موجود مقاوم در برابر نويز نتايج بهتري ارائه كرده¬است به طوري كه معيار شباهت پيشنهادي جديد در مقابل معيار¬هاي پيشين 56 درصد در كم كردن خطا به صورت دقيق‌تر عمل كرده‌است. واژه‌هاي كليدي: انطباق تصاوير، مدل ضرب¬شونده،معيار شباهت، نمايش تنك، بهينه¬ساز HQS.

1403/10/08

Image registration based on sparse representation and Multiplicative model

9/26/2025 12:00:00 AM

Image registration is the process of geometrically aligning two or more images of the same scene or object. The presence of complex spatially varying intensity distortion in the images is one of the main challenges in image registration. Variations in pixel intensities across different regions of an image cause spatially varying intensity distortion. Similarity metrics have a critical role and have been proposed to address this issue. Since the traditional similarity metrics such as sum-of-squared differences (SSD) use the assumption of pixel-to-pixel independence, they can not be a robust similarity measure in the presence of intensity variations. To define a robust similarity measure, different models such as multiplicative can be used. In this paper, we propose a robust similarity measure that considers spatially varying intensity distortion as a multiplicative model and has a sparse representation in the transformation domain. This similarity measure is called multiplicative model based SSD (MMSSD). In this paper, the SSD measure is modified and regularized by the multiplicative model and sparse representation. The proposed similarity measure is optimized by the Half-Quadratic Splitting (HQS) algorithm. This approach breaks down the optimization problem into three sub-problems. The HQS helps to solve the optimization problem by iteratively solving these sub-problems. The main step of this process is estimation of Spatially varying intensity distortion. In fact, the proposed approach estimates the intensity variations and geometrical transform simultaneously. This proposed similarity measure obtains accurate registration results on both experiments and clinically real-world problems. Keywords: Image registration, Multiplicative Model, Half-Quadratic Splitting, Sparse Representation, Similarity Measures

انطباق تصاوير , مدل ضرب شونده , معيار شباهت , نمايش تنك

image registration , Multiplicative Model , Similarity measures , Sparse representation

Roshanak Yazdani Alamdari

Dr. Aboozar Ghaffari