Registre de l'image
El registre de l'image és el procés de transformació de diferents conjunts de senyes a un sistema de coordenades. Les senyes poden ser múltiples fotografies, senyes de diferents sensors, de diferents époques o de diferents punts de vista.[1] S'utilisa en visió artificial, image mèdica, reconeiximent automàtic d'objectiu i en la recopilació i anàlisis d'imàgens i senyes dels satèlits. El registre és necessari per a poder comparar o integrar les senyes obtingudes d'estes diferents medicions.
Classificació dels algoritmes
[editar | editar còdic]Basats en l'intensitat versus basats en característiques
[editar | editar còdic]Els algoritmes de registre o d'alliniació d'imàgens es poden classificar en basats en intensitat i basats en característiques.[2] Una de les imàgens és coneguda com la referència o font i la segona image és coneguda com a objectiu o detectada. El registre de l'image consistix en la transformació espacial de l'image de destí per a alinear-la en l'image de referència.[2] Els métodos basats en l'intensitat comparen els patrons d'intensitat en les imàgens a través de mètriques de correlació, mentres que els métodos basats en les característiques troben la correspondència entre les característiques de les imàgens, tals com a punts, llínees i contorns.[2] Els métodos basats en l'intensitat registren imàgens completes o sub-imàgens. Si les sub-imàgens estan registrades, els centres de les corresponents sub-imàgens es consideren com a punts de característiques corresponents. Els métodos basats en característiques establixen la correspondència entre varis punts en les imàgens. Coneixent la correspondència entre varis punts en les imàgens, una transformació es determina per a mapear l'image objectiu a les imàgens de referència, establint punt per punt, la correspondència entre les imàgens de referència i l'objectiu.[2]
Models de transformació
[editar | editar còdic]Els algoritmes de registre d'imàgens també es poden classificar d'acort en els models de transformació que utilisen per a relacionar l'espai de l'image objectiu a l'espai de l'image de referència. La primera àmplia categoria de models de transformació inclou les transformacions llineals, que són la translació, rotació, escalamiento i atres transformacions afins. Les transformació llineals són de naturalea global, per lo tant, no poden modelar diferències geomètriques locals entre les imàgens.[2]
La segona categoria de transformacions permeten transformacions "elàstiques" o "no rígides". Estes transformacions són capaces de deformar localment l'image objectiu per a alinear-la en l'image de referència. Les transformacions no rígides inclouen les funcions de base radial (splines de placa prima o de superfície, multicuádricas i les transformacions soportades compactadamente[2]), models físics continus (líquits viscosos) i els models de grans deformacions (difeomorfismos).
Métodos de domini espacial versus freqüència
[editar | editar còdic]Els métodos espacials operen en el domini de l'image, fent coincidir els patrons d'intensitat o les característiques de les imàgens. Alguns dels algoritmes que emparellen característiques són derivació de les tècniques tradicionals per a realisar el registre manual de l'image, en el que un operador decidix els corresponents punts de control en les imàgens. Quan el número de punts de control supera el mínim requerit per a definir el model de transformació apropiat, els algoritmes iterativos com RANSAC (RANdom SAmple Consensus) es poden utilisar per a estimar robustamente els paràmetros d'un tipo particular de transformació (per eixemple, afí) per al registre de les imàgens.
Els métodos en el domini de la freqüència troben els paràmetros de transformació per al registre de les imàgens mentres treballen en el domini de transformació. Estos métodos treballen per simple transformació, tals com la translació, la rotació i el escalamiento. L'aplicació del método correlació de fase a un parell d'imàgens produïx una tercera image que conté un sol pico. L'ubicació d'este pico correspon a la translació relativa entre les imàgens. A diferència de molts algoritmes en el domini espacial, el método de correlació de fase és insensible al soroll, les oclusió i atres defectes típics de les imàgens mèdiques o per satèlit. Ademés, la correlació de fase utilisa la transformada ràpida de Fourier per a calcular la correlació creuada entre les dos imàgens, lo que per lo general resulta en grans millores en el rendiment. Este método pot ser estés per a determinar la rotació i les diferències d'escala entre dos imàgens convertint, en primer lloc, les imàgens a coordenades polars logarítmiques. Per les propietats de la Transformada de Fourier, els paràmetros de rotació i de escalamiento es poden determinar de forma invariable a la translació.
Métodos monomodal versus multimodal
[editar | editar còdic]Una atra classificació es pot fer entre els métodos monomodales i els multimodales. Els métodos monomodales tendixen a registrar les imàgens en la mateixa modalitat adquirida per l'únic tipo d'escàner / sensor, mentres que els métodos de multimodales tendixen a registrar les imàgens obtingudes per diferents tipos d'escàner / sensor.
Els métodos de registre multimodal s'utilisen a sovint en image mèdica ya que les imàgens d'un pacient s'obtenen en freqüència a partir de escáneres diferents. Els eixemples inclouen el registre d'imàgens del cervell per tomografía axial computarizada/ resonància magnètica o de tot el cos per PET / TAC per a la localisació de tumors, el registre d'imàgens TAC en i sense realce de contrast per a la segmentación d'imàgens de parts específiques de l'anatomia i el registre d'ultrasò i d'imàgens TAC per a la localisació de la próstata en radioteràpia.
Métodos automàtics versus interactius
[editar | editar còdic]Els métodos de registre es poden classificar en funció del nivell d'automatisació que oferixen. S'han desenrollat métodos manuals, interactius, semiautomàtics i automàtics. Els métodos manuals proporcionen ferramentes per a alinear les imàgens de forma manual. Els métodos interactius reduïxen el biaix de l'usuari per mig de la realisació de certes operacions claus de forma automàtica mentres que encara confien que l'usuari guie el registre. Els métodos semiautomàtics realisen més passos de registre de forma automàtica pero depenen de l'usuari per a verificar la correcció d'un registre. Els métodos automàtics no permeten l'interacció de l'usuari i realisen tots els passos del registre de forma automàtica.
Mides de similitut per al registre de l'image
[editar | editar còdic]La similitut d'imàgens és àmpliament utilisada en image mèdica. Una mida de similitut d'imàgens quantifica el grau de similitut entre els patrons d'intensitat de dos imàgens.[2] L'elecció d'una mida de similitut d'imàgens depén de la modalitat de les imàgens a ser registrades. Els eixemples més comuns de les mides de similitut d'imàgens inclouen la correlació creuada, l'informació mútua, la suma dels quadrats de les diferències d'intensitat i la raó d'uniformitat de l'image. L'informació mútua i l'informació mútua normalisada són les mides de similitut d'image més populars per al registre d'imàgens multimodales. La correlació creuada, la suma dels quadrats de les diferències d'intensitat i la raó d'uniformitat de l'image s'utilisen per al registre d'imàgens en la mateixa modalitat.
Incertitut
[editar | editar còdic]Hi ha un nivell d'incertitut associat en el registre de les imàgens que tenen qualsevol diferència espai-temporal. Un registre confiable en una mida d'incertitut és fonamental per a moltes aplicacions de detecció de canvis tals com el diagnòstic mèdic.
En les aplicacions de teledetección en les que un píxel d'image digital pot representar varis quilómetros de distància en l'espai (per eixemple, en les imàgens LandSat de la NASA), un registre de l'image incert pot significar que una solució podria estar a varis quilómetros de la realitat del terreny. Varis artículs notables han tractat de quantificar l'incertitut en el registre d'imàgens en la finalitat de comparar els resultats.[3][4] No obstant, molts métodos per a quantificar l'incertitut o estimar les deformacions són computacionalment intensius o només s'apliquen a conjunts llimitats de transformacions espacials.
Referències
[editar | editar còdic]- ↑ Lisa Gottesfeld Brown, A survey of image registration techniques (abstract), ACM Computing Surveys (CSUR) archive, Volume 24 , Issue 4, December 1992), Pages: 325 - 376
- ↑ 2,0 2,1 2,2 2,3 2,4 2,5 2,6 A. Ardeshir Goshtasby: 2-D and 3-D Image Registration for Medical, Remote Sensing, and Industrial Applications, Wiley Press, 2005.
- ↑ Simonson, K., Drescher, S., Tanner, F., A Statistics Based Approach to Binary Image Registration with Uncertainty Analysis. IEEE Pattern Analysis and Machine Intelligence, Vol. 29, No. 1, January 2007
- ↑ Domokos, C., Kato, Z., Francs, J., Parametric estimation of affine deformations of binary images. Proceedings of IEEE International Conference on Acoustics, Speech, and Signal Processing, 2008
Referències
[editar | editar còdic]
- Este artícul conté una traducció derivada de «Registro de la imagen» de Wikipedia en castellà publicada baix la Llicència de documentació lliure de GNU i la Llicència Creative Commons Reconeiximent-CompartirIgual 4.0 Internacional.