Registrierungsalgorithmen

Registrierungsalgorithmen sind rechnerische Verfahren, die darauf abzielen, zwei oder mehr Datensätze in ein gemeinsames Koordinatensystem zu überführen, damit sie räumlich übereinandergelegt oder verglichen werden können. Typische Einsatzgebiete finden sich in der medizinischen Bildgebung, der Fernerkundung, der Robotik und der Augmented-Reality-Visualisierung. Je nach Anforderung unterscheiden sich die Modelle der zulässigen Transformationen; rigid (Rotation und Translation), affine (zusätzliche Skalierung und Scherung) sowie nicht-rigide bzw. deformierbare Modelle, zu denen Freiformverformungen oder B-Spline-Modelle gehören.

Man unterscheidet zwischen merkmalsbasierter Registrierung, bei der Merkmale wie Kanten oder Landmarken korreliert werden, und intensitätsbasierter Registrierung, bei der direkte Bildwerte oder Voxelintensitäten genutzt werden. Als Ähnlichkeitsmaße kommen unterschiedliche Größen zum Einsatz, etwa Summe der quadrierten Differenzen, normalisierte Kreuzkorrelation oder wechselseitig interpretierbare Information (Mutual Information). Die Optimierung erfolgt typischerweise durch gradientenbasierte oder Gauss-Newton-Methoden, oft ergänzt durch mehrstufige, Mehrauflösungsstrategien und Regularisierung, um Überanpassung oder lokales Optima zu vermeiden.

Zu den bekannten Algorithmen gehören der Iterative Closest Point (ICP) für die Registrierung von Punktwolken, der Demons-Algorithmus für deformierbare Registrierung sowie Thin-Plate-Spline- oder diffeomorphe Modelle. In der Praxis kommen robuste Softwarepakete wie ITK oder Elastix zum Einsatz.

Die Evaluierung von Registrierungen erfolgt über Distanzmaße zwischen Landmarken oder Regionen, sowie Metriken wie den Target Registration Error. Die Wahl des Modells, der Merkmalsmerkmale und der Optimierung beeinflusst Robustheit, Genauigkeit und Rechenaufwand der Registrierung erheblich.