优化MSFE的脊柱图像拼接算法：多尺度空间特征与城市距离度量

本文主要探讨的是"多尺度空间特征提取的脊柱图像拼接算法"，发表在《计算机工程与应用》杂志2014年第2期。脊柱图像在腰背部骨痛的临床诊断中起着关键作用，但常规硬件设备拍摄的图像视野受限。因此，拼接多幅重叠的脊柱图像以获得宽视野的需求变得尤为重要。传统的拼接方法如基于颜色滤波和尺度不变特征变换（SIFT）存在挑战，尤其在图像间复杂几何变换的情况下，特征点匹配效果不理想。 SIFT算法由David G. Lowe提出，它在旋转、尺度缩放等变换下能保持特征向量的不变性，但实时性和鲁棒性有待提高。针对这一问题，MSFE（Multi-Scale Feature Extraction）算法被提出，旨在改进这些不足。本文作者针对脊柱图像拼接任务，提出了一种优化的MSFE算法。该算法的核心创新在于： 1. 采用尺度因子变化的高斯卷积模板尺寸自适应调整，这使得特征提取更为精确，能够适应不同尺度下的脊柱图像特征。 2. 引入双向配对策略，增强了算法在处理图像配对时的鲁棒性，能够更有效地处理图像之间的相对位置和角度变化。 3. 在相似性度量方面，引入城市距离度量方式，提高了匹配的精度和稳定性，有助于找到最佳的匹配特征点组合。 该算法通过结合自适应尺度处理、双向匹配和城市距离度量，提升了多尺度空间特征提取在脊柱图像拼接中的效果，从而为临床诊断提供更为准确和全面的图像信息。研究者唐晓微、孔军、蒋敏和张琳琳在江南大学物联网工程学院和新疆大学电气工程学院合作完成了这项工作，他们的成果对于改善脊柱图像分析技术具有重要的实践价值。