06.10.2013 Aufrufe

View - JUWEL - Forschungszentrum Jülich

View - JUWEL - Forschungszentrum Jülich

View - JUWEL - Forschungszentrum Jülich

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

14 2 Theoretische Grundlagen<br />

Im Folgenden werden nur die Komponenten der Registrierung eingehend erläutert, die die<br />

Grundlagen für die Lösung des vorliegenden Problems bieten.<br />

2.5.8 Einordnung des vorliegenden Registrierungsproblems<br />

Das vorliegende Registrierungsproblem kann nach den genannten Kriterien eingeordnet werden<br />

(Tab. 2.3).<br />

Dimension 2D - 2D<br />

Registrierungsbasis Intrinsisch (intensitätsbasiert)<br />

Transformation Rigide<br />

Transformationsdomäne Global<br />

Optimierungsprozess Optimierung der Transformationsparameter<br />

Modalitäten Monomodale Registrierung<br />

Multimodale Registrierung<br />

Subjekt Intrasubjekt Registrierung<br />

Tab. 2.3: Einordnung des vorliegenden Registrierungsproblems in die eingeführte Klassifikation<br />

Die zu registrierenden Daten sind Autoradiographien und Histologien von Schichten eines<br />

geschnittenen Rattengehirns. Die Registrierung ist intrasubjektiv, da alle Schichten von der<br />

gleichen Ratte aufgenommen wurden. Es liegen drei verschiedene Modalitäten als Serie von<br />

zweidimensionalen Aufnahmen vor. Aufgabe ist es, sowohl eine monomodale Registrierung,<br />

als auch eine multimodale Registrierung durchzuführen. Da die Daten als Serie von zweidimensionalen<br />

Bildern vorliegen, findet eine Registrierung zweidimensionaler Daten mit zweidimensionalen<br />

Daten statt.<br />

Die Registrierung basiert auf intrinsischen Merkmalen. Aufgrund der Intensitätswerte der<br />

Bilder wird eine Transformation berechnet, die die Bilder räumlich aneinander ausrichtet.<br />

Diese Transformation ist laut Aufgabenstellung eine rigide Transformation. Deshalb müssen<br />

Transformationsparameter gefunden werden, die eine Rotation und eine Translation definieren.<br />

Die gefundene Transformation wird global auf das Bild angewandt.<br />

Aufgrund der genutzten Registrierungsbasis müssen die gesuchten Transformationsparameter<br />

über einen Optimierungsprozess im Suchraum aller möglichen Rotationen und Translationen<br />

optimiert werden. Für diesen Optimierungsprozess wird ein Ähnlichkeitsmaß definiert,<br />

das Aussagen über die Ähnlichkeit der beiden zu registrierenden Bilder zulässt. Bei der<br />

monomodalen Registrierung kann leicht ein Ähnlichkeitsmaß gefunden werden, da gleiche<br />

Strukturen in den zu registrierenden Bildern aufgrund der Aufnahmetechnik ähnliche Intensitätswerte<br />

haben. Für die multimodale Registrierung wird angenommen, dass die genutzten<br />

Modalitäten genügend Ähnlichkeiten beinhalten, die durch ein geeignetes Ähnlichkeitsmaß<br />

quantifiziert werden können.

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!