改进 SIFT 算法在医学图像配准中的应用研究

来源：计算机技术与发展杂志2022年第08期北京时间：

作者：陈宗桂;董晓军;曾令容;张英俊

摘要：传统 SIFT 算法采用 128 维描述算子表征一个关键点,计算量大、复杂度高,图像配准时间长,效率较低。 此外,图像在采集的过程中因其尺度、旋转角度、明暗等不同因素的影响容易造成医学图像的误配准。 因此,该文采用改进的 SIFT算法进行配准。 首先,利用快速近似最近邻搜索算法查找两幅图像上的关键点,并以其为中心取8×8的采样窗。 把 8×8的采样窗划分成 4 个模块,每一个模块是 4×4 的小窗口。 在每一个模块内计算 8 个梯度方向信息,每个梯度信息就是一个特征点描述符。 这样每个关键点就可以有 32 个 SIFT 特征描述符。 然后,通过相似性度量判定两个关键点的相关性,并对其进行降序排序。 理论上,当两幅图上的关键点一致时,两个关键点的相似性度量值等于 1。 本研究设置的阈值是 0. 95,当两点的比值大于 0. 95,就把两个点当作匹配点。 为保证算法的精度,在传统 SIFT 算法的基础上采用双向匹配。 只有两次匹配得到关键点的坐标之和相等,就把这对关键点当作匹配点。 研究结果表明,采用改进的 SIFT 算法能提高配准速度,同时保持配准精度,得到较为理想的配准效果。

关键词：高斯差分尺度空间;图像匹配;尺度不变;关键点描述;双向匹配算法;RANSAC 算' target="_blank" rel="external">">法