基于PC的实时超声全景成像系统中的图像配准

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (28): 206-209.

基于PC的实时超声全景成像系统中的图像配准

邵斌^1,2,唐娉²,曾庆业²,张送根³,姚克纯⁴

1.中国科学院研究生院,北京 100049
2.中国科学院遥感应用研究所,北京 100101
3.北京天惠华数字技术有限公司,北京 100085
4.中国人民解放军空军总医院,北京 100036

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-10-01 发布日期:2007-10-01
通讯作者: 邵斌

Image registration algorithm in PC-based real-time US-EFOV system

SHAO Bin^1,2,TANG Ping²,ZENG Qing-ye²,ZHANG Song-gen³,YAO Ke-chun⁴

1.Graduate University of the Chinese Academy of Sciences,Beijing 100049,China
2.Institute of Remote Sensing Applications,Chinese Academy of Sciences,Beijing 100101,China
3.Teknova Medical Systems Ltd.,Beijing 100085,China
4.The General Hospital of the Air Force P L A.,Beijing 100036,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-10-01 Published:2007-10-01
Contact: SHAO Bin

摘要/Abstract

摘要： 图像配准技术是超声宽视野成像技术的核心。结合现有的超声宽视野图像配准算法和PC平台的特点,通过匹配模板筛选、局部运动矢量评价、加权最小二乘等步骤,进一步改进和优化了配准的过程,提高了超声图像配准的鲁棒性和实时性。

关键词: 宽视野成像, 图像配准, 局部运动矢量评价, 加权最小二乘

Abstract: The technology of image registration is the core of UltraSound Extended-Field-of-View（US-EFOV） imaging technology.The characteristics of existing US-EFOV imaging algorithm and PC platform are combined in this paper.By the processes of template selection,local motion vector estimation,and weighted least-squares,the process of image registration is improved and optimized,and both the robustness and real-time of ultrasound image registration are enhanced.

Key words: Extended-Field-Of-View（EFOV）, image registration, local motion vector estimation, weighted least-squares

邵斌^1,2,唐娉²,曾庆业²,张送根³,姚克纯⁴. 基于PC的实时超声全景成像系统中的图像配准[J]. 计算机工程与应用, 2007, 43(28): 206-209.

SHAO Bin^1,2,TANG Ping²,ZENG Qing-ye²,ZHANG Song-gen³,YAO Ke-chun⁴. Image registration algorithm in PC-based real-time US-EFOV system[J]. Computer Engineering and Applications, 2007, 43(28): 206-209.

[1]	夏丹，周睿. 视差图像配准技术研究综述[J]. 计算机工程与应用, 2021, 57(2): 18-27.
[2]	郭艳芬，崔喆，杨智鹏，彭静，胡金蓉. 基于深度学习的医学图像配准技术研究进展[J]. 计算机工程与应用, 2021, 57(15): 1-8.
[3]	刘天，曾亮. 纹理抑制的光照不均图像配准算法研究[J]. 计算机工程与应用, 2020, 56(23): 180-188.
[4]	闵超波. 基于自适应混合多项式变换的图像配准[J]. 计算机工程与应用, 2020, 56(23): 194-201.
[5]	曾安，王烈基，潘丹，黄殷. 基于FCN和互信息的医学图像配准技术研究[J]. 计算机工程与应用, 2020, 56(18): 202-208.
[6]	熊航，杨任农，梁晓龙，侯岳奇，王维佳. 无人机单目视觉AOA三维定位方法[J]. 计算机工程与应用, 2020, 56(17): 210-216.
[7]	程德强，白春梦，郭昕，李腾腾，庄焕东，徐辉. 基于分层区域的自适应图像配准算法[J]. 计算机工程与应用, 2019, 55(17): 199-206.
[8]	杨海蓉1，金辉2. 改进的迭代重加权最小二乘非凸压缩感知算法[J]. 计算机工程与应用, 2018, 54(24): 46-51.
[9]	贾雯晓1，张贵仓1，汪亮亮1，秦娜2. 基于SIFT和改进的RANSAC图像配准算法[J]. 计算机工程与应用, 2018, 54(2): 203-207.
[10]	曹国刚，张晴，张培君，王志敏. 基于多核并行化差异进化算法的图像配准方法[J]. 计算机工程与应用, 2017, 53(20): 166-172.
[11]	雒培磊1，李国庆2，曾怡1. 一种改进的基于深度学习的遥感影像拼接方法[J]. 计算机工程与应用, 2017, 53(20): 180-186.
[12]	张卫国，李景妹. 改进的基于纹理特征的图像配准算法[J]. 计算机工程与应用, 2016, 52(6): 214-218.
[13]	李洪兵1，陈斌斌2，廖玉祥1，冯文江2. 基于RSS-IWLS的认知无线电系统主用户定位算法[J]. 计算机工程与应用, 2016, 52(2): 146-150.
[14]	刘玉琳1，2，陈文亮2，鲍益东2，丁力平2. 基于改进支持向量机的快速稳健代理模型研究[J]. 计算机工程与应用, 2015, 51(7): 7-11.
[15]	崔小青，吴晓红，何小海，季成涛，任超. 结合两种回归模型的图像插值算法研究[J]. 计算机工程与应用, 2015, 51(16): 151-155.