View - JUWEL - Forschungszentrum Jülich
View - JUWEL - Forschungszentrum Jülich
View - JUWEL - Forschungszentrum Jülich
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.