Robust voxel similarity metrics for the registration of dissimilar single and multimodal images
Φόρτωση...
Ημερομηνία
Συγγραφείς
Nikou, C.
Heitz, F.
Armspach, J. P.
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
peer reviewed
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Pattern Recognition
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
In this paper, we develop data driven registration algorithms, relying on pixel similarity metrics, that enable an accurate (subpixel) rigid registration of dissimilar single or multimodal 2D/3D images. Gross dissimilarities are handled by considering similarity measures related to robust M-estimators. In particular, a novel (robust) similarity metric is proposed for comparing multimodal images. The proposed robust similarity metrics are compared to the most popular standard similarity metrics, on synthetic as well as on real-world image pairs showing gross dissimilarities. Three case studies are considered: the registration of single modal and multimodal 3D medical images, the matching of multispectral remotely sensed images, and the registration of intensity and range images. The proposed robust similarity measures compare favourably with the standard (non-robust) techniques. (C) 1994 Pattern Recognition Society. Published by Elsevier Science Ltd. All rights reserved.
Περιγραφή
Λέξεις-κλειδιά
single and multimodal image registration, dissimilar image registration, similarity metrics, robust estimation, brain images, mr-images, algorithm
Θεματική κατηγορία
Παραπομπή
Σύνδεσμος
Γλώσσα
en
Εκδίδον τμήμα/τομέας
Όνομα επιβλέποντος
Εξεταστική επιτροπή
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Πανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημών. Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής