Advertisement

Adaption kontinuierlicher Integraltransformationen für diskrete Algorithmen der Bildregistrierung

  • Thomas Lehmann
Chapter

Zusammenfassung

In vielen Bereichen der medizinischen Bildverarbeitung ist die automatische geometrische Ausrichtung (Registrierung) zweier oder mehrerer Aufnahmen ein grundlegendes Problem [Bro92, Els93]. Zur datenbasierten a-posteriori Registrierung von Rotationen, Skalierungen und Translationen (RST-Abbildungen) sind lineare Integraltransformationen geeignet, da sie die gesamte Pixelebene transformieren, ohne abstrakte Merkmale zu benutzen. Darüber hinaus wirken sich sowohl lokale Bildänderungen als auch globale Störungen u.U. nur lokal im Transformationsbereich aus. In diesem Beitrag wird gezeigt, wie die Invarianzeigenschaften kontinuierlicher Integraltransformationen (Fourier-Mellin-Invariante) auch im Diskreten ausgenutzt werden können. Nach einer Fensterung im Ortsbereich enthalten logarithmischpolar abgebildete Fourier-Powerspektren keine T-Komponenten mehr, und die RS-Komponenten zwischen den Ausgangsbildern werden entkoppelt als Verschiebungen entlang orthogonaler Achsen dargestellt. Sie können mit der Kepstrumtechnik effizient detektiert werden. Nach Rückdrehung und inverser Skalierung erfolgt die Translationskorrektur durch symmetrische Phasenkorrelation. Die Freiheitsgrade bei der diskreten Umsetzung werden durch systematische Simulationen optimal bestimmt.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. [Bes90]
    Besslich PW, Lu T: Diskrete Orthogonaltransformationen. Algorithmen und Flußgraphen für die Signalverarbeitung. Springer-Verlag, Berlin, 1990.zbMATHGoogle Scholar
  2. [Bog63]
    Bogert BP, Healy MJR, Tukey JW: The Quefrency Alanysis of Time Series for Echoes: Cepstrum, Pseudo-Autovariance, Cross-Cepstrum and Saphe Cracking. Proceedings of the Symposium of Time Series Analysis, pp. 209-242, 1963.Google Scholar
  3. [Bra86a]
    Bracewell RN: The Hartley Transform. Oxford University Press, New York, 1986.zbMATHGoogle Scholar
  4. [Bra86b]
    Bracewell RN, Buneman O, Hao H, Villasenor J: Fast Two-Dimensional Hartley Transform. Procs. IEEE 74(9):1282–1283, 1986.CrossRefGoogle Scholar
  5. [Bra86c]
    Bracewell RN: The Fourier Transform and Its Applications. McGraw-Hill, New York, 2nd ed., 1986.Google Scholar
  6. [Bro92]
    Brown LG: A Survey of Image Registration Techniques. ACM Computing Surveys 24(4):325–376, 1992.CrossRefGoogle Scholar
  7. [Che94]
    Chen QS, Defrise M, Deconinck F: Symmetric Phase-Only Matched Filtering of Fourier-Mellin Transforms for Image Registration and Recognition. IEEE PAMI-16(12):1156–1168, 1994.Google Scholar
  8. [Chi77]
    Childers DG, Skinner DP, Kemerait RC: The Cepstrum: A Guide to Processing. Procs. IEEE 65(10):1428–1443, 1977.CrossRefGoogle Scholar
  9. [Els93]
    van den Elsen PA, Pol EJD, Viergever MA: Medical Image Matching. A Review with Classification. IEEE EMB 12:26–39, 1993.Google Scholar
  10. [Grö87]
    Gröndahl K: Computer Assisted Subtraction-Radiography in Periodontal Diagnosis. Swedish Dental Journal Supplement 50:1–44, 1987.Google Scholar
  11. [Har42]
    Hartley RVL: A More Symmetrical Fourier Analysis Applied to Transmission Problems. Procs. IRE 30(3): 144–150, 1942.MathSciNetCrossRefGoogle Scholar
  12. [Har78]
    Harris FJ: On the Use of Windows for Harmonic Analysis with the Discrete Fourier-Transform. Proc. IEEE 66:51–83, 1978.CrossRefGoogle Scholar
  13. [Lee89]
    Lee DJ, Mitra S, Krile TF: Analysing of Sequential Complex Images Using Feature Extraction and Two-Dimensional Cepstrum Techniques. JOSA A-6(6):863–870, 1989.Google Scholar
  14. [Leh97]
    Lehmann T, Oberschelp W, Pelikan E, Repges R: Bildverarbeitung für die Medizin. Grundlagen, Modelle, Methoden, Anwendungen. Springer-Verlag, Berlin, 1997.Google Scholar
  15. [Leh98]
    Lehmann T: Geometrische Ausrichtung medizinischer Bilder am Beispiel intraoraler Radiographien. D82 Diss. RWTH Aachen. Aachener Informatik Berichte 98-9, 1998.Google Scholar
  16. [Per87]
    Perkins MG: A Separable Hartley-Like Transform in Two or More Dimensions. Procs. IEEE 75(8): 1127–1129, 1987.CrossRefGoogle Scholar
  17. [Pou96]
    Poularikas AD (ed.): The Transforms and Applications Handbook. CRC Press, Boca Raton, 1996.zbMATHGoogle Scholar
  18. [Rei89]
    Reichenbach SE, Burton JC, Miller KW: Comparison of Algorithms for Computing the Two-Dimensional Hartley Transform. JOSA A-6(6):818–822, 1989.Google Scholar
  19. [Scha89]
    Schalkoff RJ: Digital Image Processing and Computer Vision. John Wiley & Sons, New York, 1989.Google Scholar
  20. [Stec89]
    Steckner MC, Drost DJ: Fast Cepstrum Analysis Using the Hartley Transform. IEEE ASSP-37(8):1300–1302, 1989.Google Scholar
  21. [Wat86]
    Watson AB, Poirson A: Separable Two-Dimensional Discrete Hartley Transform. JOSA A-3(12):2001–2004, 1986.MathSciNetGoogle Scholar

Copyright information

© Friedr. Vieweg & Sohn Verlagsgesellschaft mbH, Braunschweig/Wiesbaden 1999

Authors and Affiliations

  • Thomas Lehmann
    • 1
  1. 1.Institut für Medizinische InformatikRWTH AachenDeutschland

Personalised recommendations