|
式中， d d ( , ) j j x y 为真实的畸变点坐标， d d ( , ) j j 120 x′ y′ 为计算的畸变点坐标。 通过以上步骤最终可获得精确的系统投影矩阵M 和畸变参数向量1 2 K =[k ,k ,θ,t]。 2.2 基于成像标定的C 臂图像校正方法 通过2.1 节标定得到的投影矩阵M 和畸变向量K ，可以建立起校正图像像素点与畸变 图像像素点的对应关系。然而计算得到的畸变图像中点的坐标往往不是整数坐标，所以无法 125 在畸变图像中找到一个与校正后图像中像素P 直接对应的像素，也就无法直接确定像素P 应取的灰度值。为了避免这种情况的发生，本研究中采用的是双线性插值法。 3 基于成像模型的C 臂图像校正方法 为了对上文阐述的畸变模型和图像校正方法进行验证，笔者利用Matlab7.4 对算法进行 了编程实现，试验所用X 光图像分辨率为512 像素× 512 像素。本研究利用海军总医院介入 130 室的带有12 in. XRII 的C 臂获取了多幅校准模板的图像。将C 臂仰角固定为0o ，在倾角范 围[−90o,90o]内，以5o 为间隔，采集了37 幅校准模板的X 光图像，并利用本研究提出的算 法，对这些存在畸变的X 光图像进行了图像校正试验。 3.1 误差分析标准 为了评价校正后的图像质量，我们设计了四个指标进行评估：均值，方差，最大误差， 135 最小误差。通过这些指标比较理想标记点和校正后标记点的接近程度来评价校正方法的好 坏。 3.2 图像校正误差分析 全局法[2]是一种典型的C 臂图像校正方法，由于它可以有效消除图像中的畸变，并且避 免了局部法存在的边缘锯齿等现象，所以应用广泛。本文首先使用全局法校正了37 幅失真 140 图像，通过调整多项式的阶次获取了不同阶次对应的校正精度（见表1）。校正结果显示， 使用4 阶多项式时，校正精度达到最高，此时最大误差为1.177 像素、最小误差为0.035 像 素、平均误差为0.397 像素、误差的均方差为0.454 像素。 表1 全局法图像校正精度 145 Tab.1 The distortion correction accuracy of global polynomial method 多项式校正误差(像素) 阶次 max min mean rms 3 1.271 0.038 0.461 0.531 4 1.177 0.035 0.397 0.454 5 2.007 0.030 0.399 0.492 6 2.367 0.037 0.466 0.576 表2 所示为本文提出的C 臂图像校正方法的精度。方法中，对1 2 k ,k ,θ,t 使用了多项式进 行拟合（见Eq.4），以减少图像畸变的局部特性，表中第一列对应的分别是这四个畸变参 数采用的多项式阶次。由表2 可知，对1 2 k ,k ,θ,t 分别采用4-3-2-5 阶时，取得了最理想的校 150 正精度，此时最大误差为0.841 像素、最小误差为0.024 像素、平均误差为0.260 像素、误 差的均方差为0.303 像素。与全局法相比，校正误差的均方差降低了33.26%，平均误差降 低了34.51%。 表2 基于成像模型的图像校正方法精度 Tab.2 The distortion correction accuracy of the proposed method 多项式校正误差(像素) 阶次 max min mean rms 2-2-2-2 1.387 0.035 0.438 0.504 2-2-2-4 0.931 0.025 0.303 0.348 4-3-2-6 0.899 0.019 0.270 0.316 4-4-2-5 0.841 0.024 0.260 0.303 155 4 结论 本文分析了影像增强器型C 臂的成像机制，提出了一种S 形畸变模型，并在此基础上 设计了一种基于成像模型的C 臂图像校正方法。与传统方法相比，该方法从视觉成像的角 度解决了C 臂图像校正问题，采用非线性模型来标定C 臂系统。试验结果表明，该方法可 160 以有效解决C 臂图像校正问题，校正精度比传统方法有明显提高，适合基于C 臂手术导航 系统的开发。目前，该方法现已成功应用到海军总医院CT 中心的动物临床试验中。 [参考文献] (References) [1] Gronenschild E. The accuracy and reproducibility of a global method to correct for geometric image distortion 165 in the x-ray imaging chain[J]. Medical Physics, 1997, 24(12):1875-1888. [2] Yan S J, Nie S D, Zheng B. Improving accuracy of XRII image distortion correction using a new hybrid image processing method: Performance assessment[J]. Medical Physics, 2011, 38(11):5921-5932. [3] Gronenschild E. Correction for geometric image distortion in the x-ray image chain: local technique versus global technique[J]. Medical Physics, 1999, 26(12):2602-2616. 170 [4] Liu R R, Rudin S, Bednarek D R. Super-global distortion correction for a rotational C-arm x-ray image intensifier[J]. Medical Physics, 1999, 26(9):1802-1810. [5] 金玉博. 医用X 射线影像增强器的原理和检测[J]. 中外医疗, 2008, 27(21):165-166. [6] Schueler B A, Hu X. Correction of image intensifier distortion for three-dimensional x-ray angiography[A]. Proceedings of SPIE[C],1995. 272-297. [7] Weng J, Cohen P, Herniou M. Camera calibration with distortion models and accuracy 175 evaluation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence. 1992, 14(10):965-980. [8] Tsai R. A versatile camera calibration technique for high-accuracy 3d machine vision metrology using off-the-shelf tv cameras and lenses[J]. IEEE Journal of Robotics and Automation, 1987, 3(4):323-344. [9] Ning R, Wang X, Conover D, Zhang Y. Image distortion-correction for image intensifier-based volume 180 tomographic angiography[J]. Journal of X-Ray Science and Technology, 2001, 9(2):55-76. [10] Ning R, Riek J K, Conover D L. Image-intensifier-based volume tomographic angiography imaging system: geometric distortion correction[A]. Proceedings of SPIE[C]. 1994. 199-210. [11] Gutirrez L F, Ozturk C, McVeigh E R, Lederman R J. A practical global distortion correction method for an image intensifier based x-ray fluoroscopy system[J]. Medical Physics, 2008, 35(3):997-1007. 185 [12] Tsai and Roger. An Efficient and Accurate Camera Calibration Technique for 3D Machine Vision[A]. Proceedings of IEEE Conference of Computer Vision and Pattern Recognition[C], Miami:IEEE Press, 1986.364-374. [13] 孟偲, 张军, 吕绍杰等. 基于简比的C 臂图像标记点自动匹配方法[J]. 中国生物医学工程学报, 2010, 29(5):654-659. 190 学术论文网Tag：代写论文 代发论文 代写代发医学 |
