Registration of medical images is technique, which is developing with new hybrid diagnostic imaging systems. Nowadays is a trend in image registration focused on monomodality and multimodality images registration. The first part of this master’s thesis is intent on present basic information about image registration. Concretely is intending on image transformation, interpolation, criteria function and at optimalization. Further part present realized Optical Flow technique and used “Demon” algorithm for image registration. The next part is focused on presentation of program solution and GUI. In the last section of this master’s thesis is verifying of created program on usual images and real CT images.

This master thesis deals with detection of blood-vessel bifurcations in retinal images and its properties. There are explained procedure of taking photographs of retina by fundus camera, optical coherence tomography (OCT) and scanning laser opthalmoscope (SLO) and properties of fundus images are described. In this thesis are mentioned some effective thresholding methods and there are explained the most important morphological operations with binary images, as well as with grayscale images. Detected bifurcations are used for image registration with second-order polynomial transformation using corresponding bifurcations.

Diploma thesis is focused on global optimization methods and their utilization for medical image registration. The main aim is creation of the genetic algorithm and test its functionality on synthetic data. Besides test functions and test figures algorithm was subjected to real medical images. For this purpose was created graphical user interface with choise of parameters according to actual requirement. After adding an iterative gradient method it became of hybrid genetic algorithm.

At present, the medical industry rapidly develops new imaging techniques and improves the imaging methods. Simultaneously also are developed new methods for processing data acquired by these methods. Especially in the past few years has become very used method of registration data, which leads to image transformations of the same scene so that the condition as possible. The work deals with the method of processing data that provides detailed information to individual structures, developments of individual structures over time, allows to simultaneously displayanatomical and physiological information or preprocessing data for further processing.

This thesis is dealing with problem of brain images registration aquired by computed tomography. At the beginning is explanation of image geometrical transformation methods, notably affine transformation. Following part of text the is dealing with interpolation methods issues, calculation of similarity criterion and subsequent optimalization. All issues are handled especially for three-dimensional data. Second part of this work is practical sample of MatLab® program enviroment for registration of acquired frames by affine tranformation. In this program is algorithm for removement of stair-step artefact, under head pillow and patient’s desk, too. As an optimalization algorithm is used control random search (CRS) methode. Due to medical images type, which are distributed in DICOM format, is included process for their load and save at this work.

This thesis deals with the introduction into the topic of time-lapse video creation. It focuses on cases where tripod is not used and therefore it is  necessary to eliminate incurred shortcomings. The main shortcomings are different position of individual frames, different brightness and color adjustment. The next topic describes which principles should be followed during the creation process. Thesis describes and implements methods for elimination of main shortcomings during process long time-lapse videos, which are recorded by hand. Thesis also precisely describes image registration, correction of brightness and colors. Thesis is also considers histograms comparison. Result of this work is application, which eliminates problems described above.

There are billions of photos on the internet and as the size of these digital repositories grows, finding target picture becomes more and more difficult. To increase the informational quality of photo albums we propose a new method that selects representative pictures from a group of photographs using computer vision algorithms. The aim of this study is to analyze the issues about image features, image similarity, object clustering and examine the specific characteristics of photographs. Tests show that there is no universal image descriptor that can easily simulate the process of clustering performed by human vision. The thesis proposes a hybrid algorithm that combines the advantages of selected features together using a specialized multiple-step clustering algorithm. The key idea of the process is that the frequently photographed objects are more likely to be representative. Thus, with a random selection from the largest photo clusters certain representative photos are obtained. This selection is further enhanced on the basis of optimization, where photos with better photographic properties are being preferred.

L’évaluation de la fonction pulmonaire est important pour la réduction des complications radio-induites des traitements de radiothérapie. En effet, plus de 30% des patients souffriront de pneumonie des suites de leur traitement [1]. L’implantation de la fonction pulmonaire dans la planification de traitement pourrait limiter les complications médicales. La ventilation pulmonaire, l’une des deux métriques permettant de caractériser la fonction pulmonaire, est habituellement obtenue à partir de mesures SPECT. Cependant, cette méthode demande d’effectuer des acquisitions de mesure supplémentaires sur les patients. L’objectif de ce projet est de valider l’utilisation de CT 4D afin d’extraire la ventilation pulmonaire. La preuve de concept a été effectuée sur une cohorte de 25 patients atteints de cancer du poumon. Grâce à des recalages déformables effectués à l’aide du logiciel ANTs, la ventilation a été extraite. Les valeurs obtenues ont été comparées à celles déterminées à partir des données de SPECT, analysées par un logiciel clinique nommé Hermès. Une corrélation modérée a été observée, avec un coefficient de Pearson de r =0:59 avec p<0:05. Les valeurs de ventilation obtenues par CT 4D ont été validées par les coefficients de Dice (DC > 0:9), la distance de Hausdorff (HD < 2 mm), le positionnement de marqueurs anatomiques et les valeurs de jacobien des transformations. Des incertitudes provenant de l’acquisition de données et l’initialisation des paramètres des recalages déformables peuvent expliquer ces résultats. / The assessment of pulmonary functionality is of prime importance to avoid radioinduced complications after radiotherapy treatments of lung cancer. Indeed, more than 30% of patients will suffer from a radiation-induced pneumonia following the treatment [1]. Implementing functionality in treatment planning could limit the medical complications. The current community standard for measuring the ventilation - one of the two metrics concerning pulmonary functionality - is SPECT imaging. However, this method requires to perform additional image acquisitions on patients. The objective of this work is to validate an image analysis method that provides deformable image registration allowing us to estimate lung ventilation for each voxel with four-dimensional computed tomography imaging (4DCT). The proof of concept is performed on a cohort of 25 patients with lung cancer. Each patient is required to a 4DCT scan before their radiotherapy treatment. Those scans were processed retroactively with Advanced Normalized Tools (ANTs) registration to evaluate the lungs deformation between the respiratory maxima. A vector field representing the deformation is produced for all voxels. Local behavior is estimated by the Jacobian of those vector fields. The deformation allows us to estimate the lung capacity to contain air, which can be linked to the ventilation. We showed that the values obtained with the 4DCT method are moderately correlated with those obtained by SPECT (r = 0:59; p < 0:05).Those results were validated using Dice coefficients (DC > 0:9), Hausdorff distance (HD < 2 mm) and targets registration error. The results of the lung ventilation obtained by 4DCT and with SPECT scans are moderately correlated. The uncertainties pertaining to data acquisition and deformable registration initialization might explain those differences.

Nous étudions ici l’intérêt des descripteurs locaux pour les images satellites optiques et radar. Ces descripteurs, par leurs invariances et leur représentation compacte, offrent un intérêt pour la comparaison d’images acquises dans des conditions différentes. Facilement applicables aux images optiques, ils offrent des performances limitées sur les images radar, en raison de leur fort bruit multiplicatif. Nous proposons ici un descripteur original pour la comparaison d’images radar. Cet algorithme, appelé SAR-SIFT, repose sur la même structure que l’algorithme SIFT (détection de points-clés et extraction de descripteurs) et offre des performances supérieures pour les images radar. Pour adapter ces étapes au bruit multiplicatif, nous avons développé un opérateur différentiel, le Gradient par Ratio, permettant de calculer une norme et une orientation du gradient robustes à ce type de bruit. Cet opérateur nous a permis de modifier les étapes de l’algorithme SIFT. Nous présentons aussi deux applications pour la télédétection basées sur les descripteurs. En premier, nous estimons une transformation globale entre deux images radar à l’aide de SAR-SIFT. L’estimation est réalisée à l’aide d’un algorithme RANSAC et en utilisant comme points homologues les points-clés mis en correspondance. Enfin nous avons mené une étude prospective sur l’utilisation des descripteurs pour la détection de changements en télédétection. La méthode proposée compare les densités de points-clés mis en correspondance aux densités de points-clés détectés pour mettre en évidence les zones de changement. / We study here the interest of local features for optical and SAR images. These features, because of their invariances and their dense representation, offer a real interest for the comparison of satellite images acquired under different conditions. While it is easy to apply them to optical images, they offer limited performances on SAR images, because of their multiplicative noise. We propose here an original feature for the comparison of SAR images. This algorithm, called SAR-SIFT, relies on the same structure as the SIFT algorithm (detection of keypoints and extraction of features) and offers better performances for SAR images. To adapt these steps to multiplicative noise, we have developed a differential operator, the Gradient by Ratio, allowing to compute a magnitude and an orientation of the gradient robust to this type of noise. This operator allows us to modify the steps of the SIFT algorithm. We present also two applications for remote sensing based on local features. First, we estimate a global transformation between two SAR images with help of SAR-SIFT. The estimation is realized with help of a RANSAC algorithm and by using the matched keypoints as tie points. Finally, we have led a prospective study on the use of local features for change detection in remote sensing. The proposed method consists in comparing the densities of matched keypoints to the densities of detected keypoints, in order to point out changed areas.

Les méthodes de recalage d’images, qui ont pour but l’alignement de deux ou plusieurs images dans un même système de coordonnées, sont parmi les algorithmes les plus anciens et les plus utilisés en vision par ordinateur. Les méthodes de recalage servent à établir des correspondances entre des images (prises à des moments différents, par différents senseurs ou avec différentes perspectives), lesquelles ne sont pas évidentes pour l’œil humain. Un type particulier d’algorithme de recalage, connu comme « les méthodes de recalage déformables à l’aide de modèles graphiques » est devenu de plus en plus populaire ces dernières années, grâce à sa robustesse, sa scalabilité, son efficacité et sa simplicité théorique. La gamme des problèmes auxquels ce type d’algorithme peut être adapté est particulièrement vaste. Dans ce travail de thèse, nous proposons plusieurs extensions à la théorie de recalage déformable à l’aide de modèles graphiques, en explorant de nouvelles applications et en développant des contributions méthodologiques originales.Notre première contribution est une extension du cadre du recalage à l’aide de graphes, en abordant le problème très complexe du recalage d’une tranche avec un volume. Le recalage d’une tranche avec un volume est le recalage 2D dans un volume 3D, comme par exemple le mapping d’une tranche tomographique dans un système de coordonnées 3D d’un volume en particulier. Nos avons proposé une formulation scalable, modulaire et flexible pour accommoder des termes d'ordre élevé et de rang bas, qui peut sélectionner le plan et estimer la déformation dans le plan de manière simultanée par une seule approche d'optimisation. Le cadre proposé est instancié en différentes variantes, basés sur différentes topologies du graph, définitions de l'espace des étiquettes et constructions de l'énergie. Le potentiel de notre méthode a été démontré sur des données réelles ainsi que des données simulées dans le cadre d’une résonance magnétique d’ultrason (où le cadre d’installation et les stratégies d’optimisation ont été considérés).Les deux autres contributions inclues dans ce travail de thèse, sont liées au problème de l’intégration de l’information sémantique dans la procédure de recalage (indépendamment de la dimensionnalité des images). Actuellement, la plupart des méthodes comprennent une seule fonction métrique pour expliquer la similarité entre l’image source et l’image cible. Nous soutenons que l'intégration des informations sémantiques pour guider la procédure de recalage pourra encore améliorer la précision des résultats, en particulier en présence d'étiquettes sémantiques faisant du recalage un problème spécifique adapté à chaque domaine.Nous considérons un premier scénario en proposant un classificateur pour inférer des cartes de probabilité pour les différentes structures anatomiques dans les images d'entrée. Notre méthode vise à recaler et segmenter un ensemble d'images d'entrée simultanément, en intégrant cette information dans la formulation de l'énergie. L'idée principale est d'utiliser ces cartes estimées des étiquettes sémantiques (fournie par un classificateur arbitraire) comme un substitut pour les données non-étiquettées, et les combiner avec le recalage déformable pour améliorer l'alignement ainsi que la segmentation.Notre dernière contribution vise également à intégrer l'information sémantique pour la procédure de recalage, mais dans un scénario différent. Dans ce cas, au lieu de supposer que nous avons des classificateurs arbitraires pré-entraînés à notre disposition, nous considérons un ensemble d’annotations précis (vérité terrain) pour une variété de structures anatomiques. Nous présentons une contribution méthodologique qui vise à l'apprentissage des critères correspondants au contexte spécifique comme une agrégation des mesures de similarité standard à partir des données annotées, en utilisant une adaptation de l’algorithme « Latent Structured Support Vector Machine ». / Image registration methods, which aim at aligning two or more images into one coordinate system, are among the oldest and most widely used algorithms in computer vision. Registration methods serve to establish correspondence relationships among images (captured at different times, from different sensors or from different viewpoints) which are not obvious for the human eye. A particular type of registration algorithm, known as graph-based deformable registration methods, has become popular during the last decade given its robustness, scalability, efficiency and theoretical simplicity. The range of problems to which it can be adapted is particularly broad. In this thesis, we propose several extensions to the graph-based deformable registration theory, by exploring new application scenarios and developing novel methodological contributions.Our first contribution is an extension of the graph-based deformable registration framework, dealing with the challenging slice-to-volume registration problem. Slice-to-volume registration aims at registering a 2D image within a 3D volume, i.e. we seek a mapping function which optimally maps a tomographic slice to the 3D coordinate space of a given volume. We introduce a scalable, modular and flexible formulation accommodating low-rank and high order terms, which simultaneously selects the plane and estimates the in-plane deformation through a single shot optimization approach. The proposed framework is instantiated into different variants based on different graph topology, label space definition and energy construction. Simulated and real-data in the context of ultrasound and magnetic resonance registration (where both framework instantiations as well as different optimization strategies are considered) demonstrate the potentials of our method.The other two contributions included in this thesis are related to how semantic information can be encompassed within the registration process (independently of the dimensionality of the images). Currently, most of the methods rely on a single metric function explaining the similarity between the source and target images. We argue that incorporating semantic information to guide the registration process will further improve the accuracy of the results, particularly in the presence of semantic labels making the registration a domain specific problem.We consider a first scenario where we are given a classifier inferring probability maps for different anatomical structures in the input images. Our method seeks to simultaneously register and segment a set of input images, incorporating this information within the energy formulation. The main idea is to use these estimated maps of semantic labels (provided by an arbitrary classifier) as a surrogate for unlabeled data, and combine them with population deformable registration to improve both alignment and segmentation.Our last contribution also aims at incorporating semantic information to the registration process, but in a different scenario. In this case, instead of supposing that we have pre-trained arbitrary classifiers at our disposal, we are given a set of accurate ground truth annotations for a variety of anatomical structures. We present a methodological contribution that aims at learning context specific matching criteria as an aggregation of standard similarity measures from the aforementioned annotated data, using an adapted version of the latent structured support vector machine (LSSVM) framework.