基于分数阶梯度驱动的主动Demons算法研究

doi:10.3969/j.issn.0372-2112.2016.12.004

电子学报 ›› 2016, Vol. 44 ›› Issue (12): 2834-2841.DOI: 10.3969/j.issn.0372-2112.2016.12.004

基于分数阶梯度驱动的主动Demons算法研究

张桂梅¹, 曹红洋¹, 陈阳泉², 刘建新³

1. 南昌航空大学航空制造工程学院, 江西南昌 330063;
2. 加州大学默塞德分校, 加利福尼亚默塞德 CA95343;
3. 西华大学机械工程学院, 四川成都 610039

收稿日期:2015-02-03 修回日期:2015-05-17 出版日期:2016-12-25
- 作者简介:
- 张桂梅,女,1970年生于江西临川,2006年获西北工业大学博士学位,现为南昌航空大学航空制造工程学院教授.主要研究方向为图像处理,计算机视觉与模式识别等.E-mail:guimei.zh@163.com;曹红洋,男,1988年生于安徽合肥,2012年进入南昌航空大学,现为南昌航空大学航空制造工程学院硕士研究生.研究方向为图像配准与目标检测与识别.E-mail:caohongyang123456@163.com;陈阳泉,男,1966年生于江苏南京,1998年获新加波南洋理工大学博士学位,现为加州大学Merced分校教授.主要研究方向为分数阶理论及其应用等.E-mail:ychen53@ucmerced.edu;刘建新,男,1969年生于湖北红安,1997年获重庆大学博士学位,现为西华大学机械工程学院教授.主要研究方向为智能控制,机器人技术与视觉伺服等.E-mail:jamson_liu@163.com
- 基金资助:
- 国家自然科学基金 (No.61462065）; 江西省自然科学基金 (No.2015BAB207036）

Research on Active Demons Based on Fractional Differentiation Gradient Driving

ZHANG Gui-mei¹, CAO Hong-yang¹, CHEN Yang-quan², LIU Jian-xin³

1. School of Aeronautical Manufacturing Engineering, Nanchang Hangkong University, Nanchang, Jiangxi 330063, China;
2. Mechatronics, Embedded Systems and Automation Lab, School of Engineering, University of California, Merced, California CA 95343, USA;
3. School of Mechanical Engineering, Xihua University, Chengdu, Sichuan 610039, China

Received:2015-02-03 Revised:2015-05-17 Online:2016-12-25 Published:2016-12-25

摘要/Abstract

摘要：

图像非刚性配准在计算机视觉和医学图像有着重要的作用.Demons算法被证明是解决非刚性配准的有效方法，然而存在的Demons非刚性配准算法对灰度均匀和弱纹理区域的图像配准精度低，优化易陷入局部极小导致配准速度缓慢.针对该问题，将R-L（Riemann-Liouville）分数阶微分引入到主动Demons算法中，提出了基于R-L分数阶梯度驱动的主动Demons算法.本文将R-L分数阶梯度代替传统的梯度算子，不但可以增强图像的细节信息，而且可以增强灰度均匀和弱纹理区域的梯度信息，从而提高了图像配准精度和速度.另外，通过实验给出了配准精度与R-L分数阶模板参数之间的关系，从而为模板最佳参数的选取提供了依据.尽管不同类型的图像其最佳参数是不同的，但是其最佳配准阶次一般在0~1之间.理论分析和实验结果均表明，该算法可以用于灰度均匀和弱纹理区域的图像配准，且配准精度和速度都有明显的提高，本文方法是Demons算法应用的一个重要延伸.

关键词: Riemann-Liouville, 分数阶梯度, 主动Demons算法, 非刚性配准

Abstract:

Non-rigid image registration plays an important role in computer vision and medical image.Demons algorithm has been proved to be effective for non-rigid image registration;however,the existing Demons algorithms are limited in registration image for intensity uniformity or weak textile region,which always results in low registration accuracy and efficiency.Aiming at the problem,this paper applies R-L(Riemann-Liouville) fractional differentiation to active Demons,and proposes a new image registration based on fractional differentiation active Demons.In this paper we calculate image gradient using R-L fractional differentiation instead of the traditional gradient function,not only detail feature is strengthened but also image gradient of intensity uniformity and weak textile area is enhanced,thus registration accuracy and efficiency are improved.Additionally,we give the relation curve between registration accuracy and mask parameters,which can guide one to select optimal parameters.Though optimal parameter (order) is different for different images,it is proved the optimal interval is between 0~1.Theoretical analysis and experiment results show the effectiveness of the proposed method.It is a significant extension of Demons algorithm.

Key words: Riemann-Liouville, fractional order gradient, active Demons algorithm, non-rigid registration

中图分类号:

TP391

张桂梅, 曹红洋, 陈阳泉, 刘建新. 基于分数阶梯度驱动的主动Demons算法研究[J]. 电子学报, 2016, 44(12): 2834-2841.

ZHANG Gui-mei, CAO Hong-yang, CHEN Yang-quan, LIU Jian-xin. Research on Active Demons Based on Fractional Differentiation Gradient Driving[J]. Acta Electronica Sinica, 2016, 44(12): 2834-2841.

参考文献

[1] 蒲亦非,王卫星.数字图像的分数阶微分掩模及其数值运算规则[J].自动化学报,2008,33(11):1128-1135. Pu Yi-fei,Wang Wei-xing.Fractional differential masks of digital image and their numerical Implementation algorithms[J].Acta Automatica Sinica,2007,33(11):1128-1135.(in Chinese)
[2] 高朝邦,周激流.基于四元数分数阶方向微分的图像增强[J].自动化学报,2011,37(2):150-159. Gao Chao-bang,Zhou Ji-liu.Image enhancement based on quaternion fractional directional differentiation[J].Acta Automatica Sinica,2011,37(2):150-159.(in Chinese)
[3] Mathieu B,Melchior P,Oustaloup A,et al.Fractional differentiation for edge detection[J].Signal Processing,2003,83(11):2421-2432.
[4] Chen,Da-li,Xue Ding-yu,Chen Yang-quan.Fractional differentiation-based approach for robust image edge detection[A].Proceedings of 2012 Fractional Derivative and Applications(FDA2012)[C].Nanjing,China:Hehai University Press,2012.5-17.
[5] 陈青,刘金平,唐朝晖,等.基于分数阶微分的图像边缘细节检测与提取[J].电子学报,2013,41(10):1873-1880. Chen Qing,Liu Jin-ping,Tang Zhao-hui,et al.Detection and extraction of image edge curves and detailed features using fractional differentiation[J].Acta Electronica Sinica,2013,41(10):1873-1880.(in Chinese)
[6] 黄果,蒲亦非,陈庆利,等.基于分数阶积分的图像去噪[J] 系统工程与电子技术,2011,33(4):925-932. Huang Guo,Pu Yi-fei,Chen Qian-li,et al.Research on image denoising based on fractional order integral[J].Systems Engineering and Electronics,2011,33(4):925-932.(in Chinese)
[7] Pu Y-F,Zhou J-L.A novel approach for multi-scale texture segmentation based on fractional differential[J].International Journal of Computer Mathematics,2011,88(1):58-78.
[8] Brown L G.A survey of image registration techniques[J].ACM Computing Surveys (CSUR),1992,24(4):326-376.
[9] 张桂梅,江少波,储珺.基于弦高点和遗传算法的仿射配准[J].自动化学报,2013,39(9):1447-1457. Zhang Gui-mei,Jiang Shao-bo,Chu Jun.Affine registration based on chord height point and genetic algorithm[J].Acta Automatica Sinica,2013,39(9):1447-1457.(in Chinese)
[10] 彭晓明,陈武凡,马茜.基于B样条的弹性点配准方法[J].中国图象图形学报,2007,12(6):1079-1085. Peng Xiao-ming,Chen Wu-fan,Ma Qian.Elastic point registration method based on B-splines[J].Journal of Image and Graphics,2007,12(6):1079? 1085.(in Chinese)
[11] Thirion J P.Image match ing as a diffusion process:an analogy with Maxwell's demons[J].Medical Image Analysis,1998,2(3):243-260.
[12] Wang H,Dong L,O'Daniel J,et al.Validation of an accelerated'demons' algorithm for deformable image registration in radiation therapy[J].Physics in Medicine and Biology,2005,50(12):2887.
[13] Vercauteren,Tom,et al.Symmetric log-Demons diffeomorphic registration:A demons-based approach[A].Medical Image Computing and Computer-Assisted Intervention-MICCAI 2008[C].New York,USA:Springer Berlin Heidelberg,2008.754-761.
[14] Lorenzi M,Ayache N,Frisoni G B,et al.LCC-Demons:A robust and accurate symmetric diffeomorphic registration algorithm[J].NeuroImage,2013,81(3):470-483.
[15] Vercauteren T,Pennec X,Perchant A,et al.Non-parametric diffeomorphic image registration with the demos algorithm[A].Medical Image Computing and Computer-Assisted Intervention-MICCAI 2007[C].Brisbane,Australia:Springer Berlin Heidelberg,2007.319-326.

基于分数阶梯度驱动的主动Demons算法研究

Research on Active Demons Based on Fractional Differentiation Gradient Driving

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	王子为, 鲁继文, 周杰. 基于自适应梯度优化的二值神经网络[J]. 电子学报, 2023, (): 1-10.
[2]	刘金平, 吴娟娟, 张荣, 徐鹏飞. 基于结构重参数化与多尺度深度监督的COVID-19胸部CT图像自动分割[J]. 电子学报, 2023, (): 1-9.
[3]	张笑宇, 沈超, 蔺琛皓, 李前, 王骞, 李琦, 管晓宏. 面向机器学习模型安全的测试与修复[J]. 电子学报, 2023, (): 1-35.
[4]	王炼红, 罗志辉, 林飞鹏, 李潇瑶. 采用多头注意力机制的C&RM-MAKT预测算法[J]. 电子学报, 2022, (): 1-9.
[5]	苏田田, 王慧敏, 张小凤. 基于多分支瓶颈结构的轻量型图像分类算法研究[J]. 电子学报, 2022, (): 1-9.
[6]	刘芳, 朱天贺, 苏卫星, 刘阳. 基于高斯隐马尔可夫模型的人机共享控制区域化决策算法[J]. 电子学报, 2022, 50(11): 2659-2667.
[7]	桑海峰, 陈旺兴, 王海峰, 王金玉. 基于多模式时空交互的行人轨迹预测模型[J]. 电子学报, 2022, 50(11): 2806-2812.
[8]	刘耿耿, 李泽鹏, 郭文忠, 陈国龙, 徐宁. 面向超大规模集成电路物理设计的通孔感知的并行层分配算法[J]. 电子学报, 2022, 50(11): 2575-2583.
[9]	魏博文, 全红艳. 基于语义与形态特征融合的语义分割网络[J]. 电子学报, 2022, 50(11): 2688-2697.
[10]	姚睿, 朱享彬, 周勇, 王鹏, 张艳宁, 赵佳琦. 基于重要特征的视觉目标跟踪可迁移黑盒攻击方法[J]. 电子学报, 2022, (): 1-10.
[11]	金紫凤, 潘思聪, 危辉. 可变环境下基于位姿变换矩阵的机器人无标定手眼协调方法[J]. 电子学报, 2022, 50(10): 2318-2328.
[12]	魏钰轩, 陈莹. 基于自适应层信息熵的卷积神经网络压缩[J]. 电子学报, 2022, 50(10): 2398-2408.
[13]	马百腾, 张士伟, 高常鑫, 桑农. 面向行为边界框生成的端到端时间全局相关网络[J]. 电子学报, 2022, 50(10): 2452-2461.
[14]	肖斌, 陈嘉博, 毕秀丽, 张俊辉, 李伟生, 王国胤, 马旭. 基于一维卷积神经网络与循环神经网络串联的心音分析方法[J]. 电子学报, 2022, 50(10): 2425-2432.
[15]	周登文, 李文斌, 李金新, 黄志勇. 一种轻量级的多尺度通道注意图像超分辨率重建网络[J]. 电子学报, 2022, 50(10): 2336-2346.