光流场模型用于非刚性医学图像配准

采用一种窗口化的光流配准方法,实现了非刚性医学图像的配准.该方法通过调整窗口函数大小来控制对图像造成的模糊程度,同时采用图像的塔式分解,解决了Horn光流场不能处理大位移的问题.实验结果表明,文中方法可以满足医学图像对于配准精度要求,具有较高的运行效率.     

基于改进光流场模型的脑部多模医学图像配准

 基于光流场模型的配准其常亮假设的光流场约束要求待配准的源图像和目标图像具有一致的灰度,因而只适用于单模态图像之间的配准,为此使用基于排序的精确直方图规定化对脑部MR-PD图像进行模态变换,完成与MR-T2图像之间的灰度映射.由于此配准方法主要用来寻找时间序列图像中的细小形变,当待配准的两图像差异较大时就不能取得满意的配准效果,为此使用能反映图像结构的标记点构造附加的外力对光流场模型加以改进,以获得更理想的配准参数.实验证明,本文方法能够实现具有较大差异的脑部MR多模序列图像之间的准确配准.     

基于光流场分析的红外图像自动配准方法研究

提出了一种基于光流场分析的准确的红外图像自动配准方法．该方法可分为两个过程：先是利用全局光流场完成两幅图像背景区域的配准；其次利用由粗到细的层级匹配算法提取两幅图像中运动目标的特征点集，根据两组特征点集由最小二乘法计算出运动目标的变换参数，完成运动目标的配准．对一定研究领域的红外图像自动配准的仿真实验表明：该方法准确且对场景的运动有很好的鲁棒性．     

基于改进光流场和尺度不变特征变换的非刚性医学图像配准

该文对传统的变分光流模型进行了改进,结合尺度不变特征变换(SIFT)特征点提取提出一种新颖的非刚性医学图像配准算法。该算法模型使用亮度守恒与梯度守恒假设相结合的数据项,很好地解决了对医学图像中局部病灶异常、亮度不均匀等区域的处理问题;通过采用自适应的各向异性正则项,解决了传统光流模型中的过平滑所导致的图像严重模糊和重要细节丢失的问题;通过结合SIFT特征点提取,并采用多分辨率分层细化、内部不动点迭代以及由粗到细的变形技术求解策略,很好地解决了传统光流场模型无法对大形变医学图像以及细节进行配准的问题。实验证明：该文的模型和算法可以很好地实现对医学图像的非刚性配准。     

基于ITK实现多模态医学图像配准

多模态医学图像配准是医学图像配准领域的一项关键技术.目前,医学图像配准技术已经拥有了不少成熟的算法,但因其算法本身的复杂性或编程的复杂性,给许多致力于医学图像的分析处理和应用研究但又缺乏软件开发经验的研究人员增加了研究工作的难度.以基于互信息的多模态医学图像配准算法为例,将ITK有关类库函数应用于医学图像配准中.给出了基于ITK实现图像配准的处理流程、数据输入输出方式以及算法的编译和运行方法.实例表明,基于ITK的配准算法简化了医学图像配准程序的开发工作,为医学图像引导临床诊断的研究应用提供参考.     

BSP模型下最大互信息医学图像配准研究

文中研究了在医学图像处理中基于最大互信息的图像配准的理论和实现的算法,并在此基础上给出了并行模型BSP下的实现算法。通过实验数据可以分析得出,文中提出的算法可以很好地解决医学图像处理中的图像配准的速度。     

一种基于背景配准的光流场算法

研究了在摄像机动态的条件下,前后两帧图像间移动距离对光流法计算精度的影响.光流算法计算精度随着帧间中心位置偏移距离的增大而降低.针对此特点,提出了一种基于背景配准的光流计算方法.该方法使用背景配准计算帧间的近似偏移量,并以此近似偏移量为基础,进一步计算细节部分的相对偏移量.这种处理策略有助于为光流算法提供理想的工作区间并提高其计算精度;近似偏移量与细节光流场相叠加以合成最终的光流场.实验表明具有背景配准步骤的光流检测法较其他传统的光流算法相比,在精度方面具有较为明显的优越性.     

基于MSD-Vnet的三维医学图像配准

基于编解码结构的卷积神经网络在医学图像配准中具有巨大的应用优势,但是依然存在不足.基于此,提出一种基于多尺度跳过连接、选择核注意力机制及深度监督V-net(MSD-Vnet)的三维医学图像配准方法.该方法使用多尺度跳过连接提高网络对解剖结构位置信息的定位能力,选择核注意力机制根据输入特征的多个尺度自适应调整感受野大小来...     

医学图像配准技术研究

医学图像配准是图像处理和计算机视觉中一个很重要的研究领域.首先分析医学图像配准的四个关键要素,然后着重从变换模型、相似性度量两个方面探讨了医学图像配准技术的发展,最后提出医学图像配准中有待进一步研究的问题.     

医学图像配准框架的研究进展及展望

医学图像配准是利用计算机技术实现的参考图像与浮动图像对齐,在医学领域中这一技术的现实应用,更加有助于主治医师了解患者的病灶位置,具备较高的临床应用价值。而融合信息技术与图像技术,在临床诊断和手术治疗中皆可实现更为精准的医学图像判断。为了解析医学图像配准的关键技术应用模式,本文探究近些年来学图像配准框架的研究进展,进而以医学配准维度探索发展前景。     

医学图像的非刚性配准技术研究

非刚性配准技术是医学图像领域的一个重要研究方向，对于图像的进一步分析起着非常重要的作用。目前也已经提出了很多种解决方法，但是算法的成熟性远低于刚性配准，在临床中几乎没有应用。现对这些方法做了一个回顾，并详细阐述了非刚性配准的分类、方法、评估及研究进展。     

基于灰度的医学图像配准技术研究

医学图像配准是医学图像处理的一项重要技术,广泛应用于临床诊断和治疗、计划设计、外科手术等领域中.从基于灰度的医学图像配准角度,描述了医学图像配准的基本过程和优化策略,着重阐述了目前普遍采用的相关技术和方法的表示形式,以及这些方法的特点和应用领域,并进一步分析了在这一方面的研究中存在的问题和未来的发展方向.     

采用PCA和PSNR的医学图像配准

医学图像配准是医学图像融合的前提,是目前医学图像处理中的热点,具有重要的临床诊断和治疗价值.利用图像矩计算医学图像的质心,根据图像坐标矩阵主分量分析(PCA)的特征矢量旋转不变性,计算参考图像和浮动图像的倾斜角,获得配准初始值;在寻找最优几何变换参数时,采用峰值信噪~(PSNR)作为参考图像和浮动图像的相似性测度.实验时,采用单纯形法作为多参数寻优方法.实验结果表明,该方法计算简单,运算量少,配准速度快,精度高,而且克服了容易陷入局部最优的问题.该方法既可用于单模态图像配准,也可以用于多模态配准.     

基于PDE的自适应各向异性图像配准方法研究

针对传统光流场配准模型会造成图像模糊和细节丢失的问题,提出了一种基于偏微分方程的自适应各向异性配准模型。新模型将具有自适应性的扩散滤波方法引入图像配准,定义具有图像结构保持能力的各向异性扩散函数作为模型的正则项;数据项采用作用于亮度常量假设的非二次惩罚函数以增加模型的稳健性。实验结果表明,新模型能够有效保持图像特征,实现对大脑等复杂图像的有效配准。     

基于SIFT的超大图像配准

SIFT算法在仿射变换、噪声、一定程度的光照条件下具有良好的匹配性能，星上宽波段相机成像尺寸都非常大，超大尺寸图像直接利用SIFT算法，在构建高斯金字塔时空间占用大，同时导致计算用时长。通过研究仿射变换矩阵，提出可以通过计算超大尺寸图像的降采样图像之间的配准系数间接获取超大尺寸图像的配准系数的方法。经过实验验证，具有一定的可行性，对于图像配准从空间上减少计算量从而节约计算时间具有一定指导意义。     

基于B样条仿射和GANs的医学图像配准

针对传统基于灰度、 特征的医学图像配准算法计算量大、 细节丢失以及配准形变图像能力差等问题,提出了一种基于B样条仿射和生成对抗网络的医学图像配准模型.将基于小波变换以及随机采样一致算法的B样条仿射变换融入生成对抗网络,减小了因局部变形和全局变形导致的配准误差,并在生成对抗网络的判别器中引入二次判别机制.通过CT-MR配...     

多模态图像配准的配准测度和性能分析

该文考察了多模态图像配准中几个典型的配准测度,揭示了它们之间的关系,通过实验对它们进行了全面的分析比较．实验中考察的测度主要包括：基于熵的测度、PIU测度以及PIU测度的改进形式等．实验结果显示了这几个典型配准测度在有效性和适应性方面的差异,为实际应用中合理选择这些测度提供可靠的参考．     

透视变换模型的Harris图像配准

针对图像末制导系统的图像配准问题,提出了一种透视变换模型下基于增强旋转不变性Harris算法的快速图像配准方法.首先,将Harris算法进行了旋转不变性的增强,利用增强后的Harris算法提取摄像系统中每帧图像的角点,采用基于归一化互相关(Normalized Cross Correlation,NCC)匹配算法进行角点的粗匹配;然后,利用随机抽样一致(Random Samples Consensus,RANSAC)算法对粗匹配的角点进行迭代筛选,剔除错误的匹配点,并将保留下来的精确匹配角点带入透视变换模型,计算出稳定的可反映图像平移、旋转和尺度变换信息的透视变换矩阵;最后,利用得到的变换矩阵对图像进行配准.实验表明,该方法对平移、旋转、尺度变化、视角变化以及光照变化和模糊变化均具有良好的不变性,可以快速高效地实现高精度的图像配准.     

光机装校阶段红外与可见光图像配准技术研究

针对在光机装校阶段,分析光学件和金工件的设计、加工和装配的累积误差对图像配准精度的影响.首先,分析在光机装校时采取主观评价方法评价图像配准质量的原因;其次,具体分析物镜的焦距和畸变误差、光轴一致性误差和探测器安装面误差对图像配准精度的影响.通过分析误差产生的原因,提出在光机装校时的解决办法.     

基于深度学习的直肠癌图像配准技术研究进展

图像配准在直肠癌诊断、手术引导及放射性治疗等诊疗场景中具有重要的应用价值。传统的医学图像配准方法非常耗时,不能满足临床实时性的需求。基于深度学习的配准技术,以其计算速率快、适用范围广引起广泛关注。文章首先从两类深度学习的图像配准方法进行分析,并对直肠癌图像配准进行阐述;然后,对深度学习图像配准以及直肠癌医学配准的4个挑战进行讨论;最后,展望未来的研究方向。