卡米尔·维达尔;布鲁诺·杰迪纳克 学习匹配：从概率图像模型中导出最佳模板匹配算法。 （英语） Zbl 1477.68432号 国际期刊计算。视觉。 88，第2期，189-213（2010）. 摘要：通过模板匹配找到图像之间的对应关系是图像理解中的一个常见问题。尽管已经提出了多种解决方案，但大多数解决方案都依赖于模板和匹配函数的任意选择。通常，不同的成本函数会导致不同的结果，为特定应用选择合适的成本仍然是一门艺术。另一方面，统计模型允许我们使用似然最大化原则从建模假设中导出最佳学习和匹配算法。本文的主要贡献是开发了一个统计框架，用于从训练示例中学习要优化的函数。我们提出了一系列灰度图像的统计模型，这使我们能够导出最佳模板匹配算法。每个像素的强度由随机变量描述，其分布由可变形模板编码。首先，我们假设强度分布为高斯分布，并推导出强度匹配算法，该算法是经典平方和差分的推广。然后，我们在概率模型中引入了一个隐藏的分割变量，并导出了一个能够处理光度变化的分割匹配算法。这两种模型都在脑磁共振图像中解剖标志的自动检测中得到了例证。 MSC公司： 68T45型 机器视觉和场景理解 62华氏35 多元分析中的图像分析 68T05型 人工智能中的学习和自适应系统 92 C55 生物医学成像和信号处理 关键词：统计学习;可变形模板;图像配准;解剖标志检测 软件：SIFT公司;AFNI公司 PDF格式BibTeX公司 XML格式引用 \textit{C.Vidal}和\textit{B.Jedynak}，国际计算机杂志。视觉。88，第2号，189--213（2010；Zbl 1477.68432） 全文： 内政部 参考文献： [1] Allassonniere，S.、Kuhn，E.、Trouvé，A.和；Amit，Y.（2006年）。非刚性变形模型的生成模型和一致性估计算法。《声学、语音和信号处理》，2006年。ICASSP 2006年会议记录。2006年IEEE国际会议5，V–V。 [2] Allassonnière，S.、Amit，Y.和；Trouvé，A.（2007）。针对稠密可变形模板估计的相干统计框架。英国皇家统计学会杂志B，69，3–29。 [3] Arad，N.、Dyn，N.和Reispeld，D；Yeshurun，Y.（1994）。径向基函数的图像扭曲：应用于面部表情。CVGIP：图形模型和图像处理，56，161-172·doi:10.1006/cgip.1994.1015 [4] Ashburner，J.和；Friston，K.J.（1999）。使用基函数的非线性空间归一化。人脑绘图，7254–266·doi:10.1002/（SICI）1097-0193（1999）7:4<254:：AID-HBM4>3.0.CO；2-G型 [5] Ashburner，J.和；Friston，K.J.（2005）。统一细分。《神经影像》，26839-851·doi:10.1016/j.neuroimage.2005.02.018 [6] Bajcsy，R.，Kovacic，S.（1989年）。多分辨率弹性匹配。计算机视觉、图形和图像处理，46，1–21·doi:10.1016/S0734-189X（89）80014-3 [7] 巴纳·D.I；Silverman，H.F.（1972年）。一类快速数字图像配准算法。IEEE计算机汇刊，21（2），179–186·Zbl 0225.68055号 ·doi:10.1109/TC.1972.5008923 [8] Bookstein，F.L.（1989）。主要扭曲：薄板样条和变形分解。IEEE模式分析和机器智能汇刊，11（6），567-585·Zbl 0691.65002号 ·doi:10.1009/34.24792 [9] Bookstein，F.L.（1992）。里程碑数据的形态测量工具：几何学和生物学。剑桥：剑桥大学出版社·Zbl 0770.92001号 [10] Bro-Nielsen，M.和；Gramkow，C.（1996）。医学图像的快速流体配准。计算机科学讲义：第1131卷。第四届生物医学计算可视化国际会议论文集（VBC'96）（第267-276页）。柏林：斯普林格。 [11] Collignon，A.、Maes，F.、Delaere，D.、Vandermeulen，D.、Suetens，P.和；Marshal，G.（1995）。基于信息论的多模态图像自动配准。在C.B.Y.Bizais&；R.D.Paola（编辑），医学成像中的信息处理（第263-274页）。多德雷赫特：克鲁沃学院。 [12] Cox，R.（1996）。Afni：功能磁共振神经图像分析和可视化软件。计算机与生物医学研究，29162-173·doi:10.1006/cbmr.1996.0014 [13] Dallal，N.和；Triggs，B.（2005年）。人类检测定向梯度直方图（第886–893页）。 [14] Davatzikos，C.（1997年）。使用弹性变形模型进行大脑成像的空间变换和配准。计算机视觉和图像理解，2（66），207-222·doi:10.1006/cviu.1997.0605 [15] Dempster，A.、Laird，N.和；Rubin，D.（1977年）。通过EM算法从不完整数据中获得最大似然。《皇家统计学会杂志》，39，1-38·Zbl 0364.62022号 [16] Fischl，B.、Salat，D.H.、van der Kouwe，A.J.、Makris，N.、Ségonne，F.、Quinn，B.T.和；Dale，A.M.（2004）。磁共振图像的序列无关分割。NeuroImage，23，S69–S84·doi:10.1016/j.neuroimage.2004.07.016 [17] Frantz，S.、Rohr，K.和；Stiehl，H.（2000）。使用可变形模型定位三维断层图像中的三维解剖点标志。计算机科学讲义：卷1935。程序。MICCAI（第492-501页）。柏林：斯普林格。 [18] Friston，K.J.、Ashburner，J.、Poline，J.B.、Frith，C.D.、Heather，J.D.和；Frackowiak，R.（1995年）。图像的空间注册和标准化。人脑绘图，2165-189·doi:10.1002/hbm.460030303 [19] 格拉斯比，C.，&；Mardia，K.（2001）。图像扭曲的惩罚似然方法（与讨论）。英国皇家统计学会杂志B，63，465–514·Zbl 1040.62054号 ·doi:10.1111/1467-9868.00295 [20] Goshtasby，A.、Staib，L.、Studholme，C.和；Terzopoulos，D.（2003年）。非数字图像注册：客座编辑介绍。计算机视觉和图像理解，89（2/3），109-113·doi:10.1016/S1077-3142（03）00016-X [21] 美国格伦纳德；Miller，M.（1998）。计算解剖学：一门新兴学科。应用数学季刊，4617–694。LVI·Zbl 0952.92016号 [22] Hartkens，T.、Rohr，K.和；Stiehl，H.（1999）。在MR和CT图像中检测解剖标志的3D微分算子的性能。1999年医学成像：图像处理。SPIE国际研讨会论文集（第5032卷，第32-43页）·Zbl 1010.68570号 [23] Izard，C.、Jedynak，B.和；Stark，C.（2006）。基于样条的解剖标志检测概率模型。R.Larsen、M.Nielsen和；J.Sporring（编辑），计算机科学讲稿：第4190卷。医学影像计算和计算机辅助干预（MICCAI）（第849-856页）。柏林：斯普林格。 [24] Joshi，S.和；Miller，M.（2000年）。基于大变形差分的地标匹配。IEEE图像处理汇刊，91357–1370·Zbl 0965.37065号 ·doi:10.109/83.855431 [25] Leemput，K.V.（2001年）。部分卷分割的统计框架。在W.Niessen&；M.Viergever（编辑），计算机科学讲稿：第2208卷。MICCAI（第204-212页）。柏林：斯普林格·兹比尔1041.68767 [26] Lester，H.、Arridge，S.、Jansons，K.、Lemieux，L.、Hajnal，J.和；Oatridge，A.（1999）。用变粘度流体算法进行非线性配准。医学成像信息处理（IPMI’99）（第238-251页）。 [27] A.莱文；Weiss，Y.（2006）。学习结合自下而上和自上而下的细分。计算机科学讲义：第3954卷。ECCV（第581-594页）。柏林：斯普林格。 [28] Li，H.、Manjunath，B.S.和；Mitra，S.K.（1995年）。一种基于轮廓的多传感器图像配准方法。IEEE图像处理汇刊，4（3），320–334·数字对象标识代码：10.1109/83.366480 [29] Lowe，D.（2003）。具有与比例不变关键点不同的图像特征。国际计算机视觉杂志，20，91–110。 [30] Maes，F.、Collignon，A.、Vandermeulen，D.、Marshal，G.和；Suetens，P.（1997）。通过最大化互信息实现多模态图像配准。IEEE医学成像汇刊，16187-198·数字对象标识代码：10.1109/42.563664 [31] Pohl，K.M.、Wells，W.M.，Guimond，A.、Kasai，K.、Shenton，M.E.、Kikinis，R.、Grimson，W.E.L.和；Warfield，S.K.（2002）。将非刚性配准方法引入期望最大化算法中，对mr图像进行分割。在T.Dohi&；R.Kikinis（编辑），计算机科学讲稿：第2488卷。MICCAI（第564-571页）。柏林：斯普林格·Zbl 1028.68871号 [32] Pohl，K.M.、Fisher，J.、Grimson，W.E.L.、Kikinis，R.和；Wells，W.M.（2006）。用于联合分割和注册的贝叶斯模型。《神经影像》，31（1），228-239·doi:10.1016/j.neuroimage.2005.11.044 [33] Pratt，W.K.（1974）。图像配准的相关技术。IEEE航空航天和电子系统汇刊，10（3），353–358·doi:10.1109/TAES.1974.307828 [34] Qiu，A.、Younes，L.、Wang，L.、Ratnanather，J.T.、Gillepsie，S.K.、Kaplan，G.、Csernansky，J.和amp；Miller，M.I.（2007）。通过差异形态度量映射结合多种解剖信息研究精神分裂症扣带回皮质变薄。《神经影像》，37（3），821-833·doi:10.1016/j.neuroimage.2007.05.007 [35] 罗氏（A.Roche）、马兰丹（G.Malandain）和；Ayache，N.（2000年）。统一医学图像配准中的最大似然方法。国际成像系统与技术杂志，11（1），71–80·doi:10.1002/（SICI）1098-1098（2000）11:1<71:：AID-IMA8>3.0.CO；2-5 [36] Rohr，K.（2001）。使用几何和强度模型进行基于地标的图像分析。多德雷赫特：克鲁沃学院·Zbl 1057.68722号 [37] Rohr，K.、Stiehl，H.、Sprengel，R.、Buzug，T.、Weese，J.和；Kuhn，M.（2001）。基于Landmark的弹性配准，使用近似的薄板样条。IEEE医学成像学报，20（6），526–534·doi:10.1109/42.929618 [38] Schmid，C.、Mohr，R.和；Bauckhage，C.（2000年）。兴趣点检测器的评估。国际计算机视觉杂志，37（2），151-172·Zbl 0985.68625号 ·doi:10.1023/A:1008199403446 [39] Studholme，C.、Hill，D.L.G.和；霍克斯，D.J.（1995）。MR-PET配准的多分辨率体素相似性度量。在C.B.Y.Bizais&；R.D.Paola（编辑），医学成像中的信息处理（第287-298页）。多德雷赫特：克鲁沃学院。 [40] Szeliski，R.（2006）。图像对齐和缝合：教程。计算机图形和视觉的基本趋势，2（1），1–104·Zbl 1143.68623号 ·doi:10.1561/0600000009 [41] Talairach，J.，Tournoux，P.（1988）人脑的共面立体定向图谱。斯图加特：Thieme Medical。 [42] Thirion，J.P.（1996）。基于几何不变量的新特征点用于三维图像配准。国际计算机视觉杂志，18:2，121-137·doi:10.1007/BF00054999 [43] Twining，C.、Marsland，S.和；Taylor，C.（2002）。在有界微分同态空间上测量测地距离。 [44] Viola，P.（1995）。通过最大化相互信息实现对齐。麻省理工学院博士论文。 [45] Wahba，G.（1990年）。观测数据的样条模型。费城：工业和应用数学学会·兹伯利0813.62001 [46] Wang，F.、Vemuri，B.C.和；Eisenschenk，S.J.（2006）。脑mri中神经解剖结构的联合注册和分割。学术放射学，13（9），1104–1111·doi:10.1016/j.acra.2006.05.017 [47] Wells，W.、Kikinis，R.、Grimson，W.和；Jolesz，F.（1996）。MRI数据的自适应分割。IEEE医学成像汇刊，15429–442·数字对象标识代码：10.1109/42.511747 [48] Wörz，S.和；Rohr，K.（2006）。通过拟合三维参数强度模型定位三维医学图像中的解剖点标志。医学图像分析，10（1），41–58·doi:10.1016/j.media.2005.02.003 [49] Zitová，B.，&；Flusser，J.（2003）。图像配准方法：综述。图像和视觉计算，21977-1000·doi:10.1016/S0262-8856（03）00137-9 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。