Συντάχθηκε 18-09-2014 11:35
από Dorothea Fragomichelaki
Email συντάκτη: dfragomichelaki<στο>tuc.gr
Ενημερώθηκε:
-
Ιδιότητα: υπάλληλος ΜΠΔ.
Παρουσίαση Μεταπτυχιακής Διατριβής κ. Σπανάκη Κωνσταντίνου
Παρασκευή 19 Σεπτεμβρίου ώρα 10:00 - αίθουσα 137B93 Εργαστηρίου Εφαρμοσμένων Μαθηματικών και Η/Υ - κτήριο Επιστημών
Τριμελής Επιτροπή
Επικ. Καθηγητής Εμ. Μαθιουδάκης ΠΟΛ.ΚΡ.
Δρ. Κ. Μαριάς Ερευν. Β ΙΠ-ΙΤΕ
Δρ. Γ. Νότας Λέκτορας Ιατρικής Σχολής ΠΚ
ΠΕΡΙΛΗΨΗ ΜΕΤΑΠΤΥΧΙΑΚHΣ ΔΙΑΤΡΙΒΗΣ ΜΕ ΘΕΜΑ:
«Μια διευρυμένη μέθοδος ταύτισης εικόνων»
Ταύτιση είναι η ευθυγράμμιση διάφορων συνόλων δεδομένων που προκύπτουν από διαφορετικά μέσα, χρονικές στιγμές και συνθήκες σε ένα ενιαίο σύστημα συντεταγμένων. Η ταύτιση εικόνων εφαρμόζεται σε αρκετούς τομείς όπως υπολογιστική όραση, ιατρικές απεικονίσεις και ανάλυση εικόνων από
δορυφόρους. Παρά το γεγονός ότι έχει υπάρξει κεντρικό θέμα έρευνας στην υπολογιστική όραση και στην ιατρική απεικόνιση για μεγάλο χρονικό διάστημα, υπάρχουν ακόμη άλυτα θέματα
και τα ποσοστά επιτυχίας φαίνεται να είναι εξαρτώμενα από τα δεδομένα.
Υπάρχουν πολλές κατηγορίες μεθόδων που είναι σε θέση να ευθυγραμμίσουν εικόνες, αλλά συνήθως
είναι είτε εξειδικευμένες και ακριβείς για ειδικούς τύπους δεδομένων ή γενικευμένες και περισσότερο αργές. Σε αυτή την εργασία, περιγράφουμε την εφαρμογή της μεθόδου ταύτισης εικόνων του Maes και τα αποτελέσματα της
χρησιμοποιώντας τρεις διαφορετικές παραλλαγές της αμοιβαίας πληροφορίας (που χρησιμοποιείται ως μέτρο ομοιότητας),
παρουσιάζουμε ενδεικτικά αποτελέσματα από διαφορετικούς τομείς απεικόνισης και συζητούμε τα μειονεκτήματα-παγίδες της μεθόδου,
ιδίως όσον αφορά την επιλογή αρχικού μετασχηματισμού και αρχικών διανυσμάτων κατεύθυνσης. Τα αποτελέσματα είναι αρκετά καλά, όταν ασχολούμαστε με εικόνες καλής ποιότητας. Ωστόσο,αποδεικνύεται ότι η επιλογή του αρχικού σημείου εκκίνησης και αρχικών διανυσμάτων κατεύθυνσης είναι δύο κρίσιμοι παράγοντες για την επιτυχία της μεθόδου, αφού διαφορετικό σημείο εκκίνησης ή / και διαφορετικά αρχικά διανύσματα κατεύθυνσης μπορεί να οδηγήσουν σε διαφορετικό «βέλτιστο» αποτέλεσμα. Για να λυθεί αυτό το πρόβλημα, προτείνουμε μια επέκταση αυτής της μεθόδου με τη χρήση στοχαστικής βελτιστοποίησης (stochastic optimization).
Τitle: An extended method for image registration
Abstract
Image Registration is the process of transforming sets of data acquired at different time-points,
sensors and viewpoints into a single coordinate system. It is widely used in computer vision,
medical imaging and satellite image analysis. Although it has been a central research topic in
computer vision and medical image analysis for a long time, there are still unresolved issues
and success rates seem to be data-dependent. There are many categories of methods that that
are able to align images, but usually they are either specialized and accurate for specific types
of data or more generic and error-prone frequently stumbling upon pitfalls. In this work, we
describe our implementation and results on Maes’ method By using three different variants
of mutual information (used as the similarity measure), we present indicative results from
different imaging domains and discuss the drawbacks/pitfalls of the method especially with
regard to initial transformation selection and the initial direction vectors. The results are quite
accurate with translation and rotation when dealing with images of good quality. However,
the choice of a starting point and the initial direction vectors proved to be two critical factors
for the success of the method, since different starting point or/and different initial direction
vectors may lead to different “optimal” alignment registration results between the images. In
order to solve this problem, we propose an extension of this method by enhancing its global
optimization scheme by means of stochastic optimization.