多模态医学图像融合超声检查系统的设计与实现

超声检查系统所呈图像中缺乏三维结构信息,且商业的医学图像分析软件价格昂贵。为此,开发一款综合病灶部位的三维模型和二维超声图像各自特征以及对应空间关系的检查系统。基于开源的医学图像处理软件、商用的电磁定位系统和超声成像系统,在局域网环境下,遵循OpenIGTLink协议进行数据共享的超声检查系统。该系统主要由超声图像信息共享模块、超声图像显示模块、超声探头实时跟踪模块、2D/3D配准融合模块组成。实验结果表明,该系统可初步应用于临床教学和临床辅助诊断等领域,具有价格低廉、扩展性强、维护方便等优势。     

基于改进SIFT的SAR图像配准方法

针对尺度不变特征变换(SIFT)配准方法在处理SAR图像时精度不高的问题,提出一种基于改进SIFT的精确配准方法。在提取关键点SIFT描述子及其邻域多尺度自卷积矩不变特征的基础上,利用基于典型相关分析的融合算法对SIFT与矩不变特征进行融合,形成新的关键点描述子,使用阈值实现粗匹配,并结合关键点的距离与邻域灰度相关性构建相似矩阵,采用奇异值分解方法精确确定匹配点对,求出仿射变换模型参数,从而完成图像配准。实验结果表明,该方法的配准结果优于SIFT方法,且配准精度达到亚像素级。     

引入测评机制的综合学习粒子群优化算法

综合学习粒子群算法（CLPSO）能够改善粒子群算法多样性差且易局部收敛的问题,相比传统PSO算法能够一定程度避免算法早熟,但却存在收敛速度慢的问题。对此,提出一种CLPSO的改进算法（CLPSO‐II）,为每个粒子随机构造两个学习粒子,引入测评机制,择优学习。实验结果表明,CLPSO‐II能有效提高CLPSO的搜索效率,在处理多峰函数时,其性能优于传统粒子群算法（PSO）、全面学习粒子群算法（FIPS）和综合学习粒子群算法（CLPSO）。     

基于RGB-D数据的目标分割与实时重建方法

应用RGB-D传感器进行三维重建具有速度和成本的优势,并可获取纹理信息,但扫描数据易受干扰。针对有干扰的外部环境,提出一种基于RGB-D数据的目标分割与重建方法。首先为改善输入图像质量,采用多帧叠加的中值滤波对信息缺失的位置进行预处理。接着,利用静态减除和动态3D Mean-shift相结合的方法分割目标,实现对目标物体的实时定位。最后使用一种优化的点到面ICP方法进行配准,并在此基础上利用随机抽样算法对点云的配准进行加速。采用该方法实现的原型系统能够支持含有背景和一定干扰下的小物体配准,且能有效提高三维重建的速度和自动化程度。     

基于双向随机KD树的点云配准

在三维跟踪及逆向工程三维重建的过程中,需要采集大量物体表面的特征点（点云）数据,为达到更好的重建结果,采用多视角采集点云方式。多片点云数据的配准（Registration）是目前的研究热点之一。对点云快速配准方面传统采用的ICP算法加以改进,提出基于相机标定和双向随机KD树的ICP改进算法,提高了ICP在应对小型点云时的匹配精度。     

一种基于非下采样剪切波变换的医学图像配准方法

针对经典弹性配准方法在医学图像应用上计算复杂、方向信息不足的问题进行了研究,提出一种基于非下采样剪切波变换（NSSTR）的医学图像配准方法。利用剪切波能够对各个尺度、方向和位置实现较好定位的优势,先用该算法对医学图像作非下采样剪切波变换,得到各尺度、方向子带的剪切系数,然后对高频、低频的变换图像分别使用不同的配准方法,最后统一到变化网格上得到最终配准图像。实验结果表明,本方法与传统方法相比,不仅具有配准精度高、鲁棒性好的特点,而且计算效率更高。     

基于视觉标记的增强现实系统建模及配准误差问题研究

针对当前基于视觉的增强现实系统标记大、成本高的缺陷,提出一套结合简单组合标记的增强现实系统的实现方案.基于弱透视模型,以色彩和形状作为融合特征,研究了利用冗余特征实现标记物体的3D位姿还原方法.为使配准方案能够适应普通的视觉采集设备,提出根据摄像机标定时得到的扭曲参数对渲染后的模型进行再扭曲的配准修正方法.结合OpenCV和OpenGL中的空间变换的概念,给出了虚拟和物理世界配准融合的解决方案,并基于统计学数学模型,提出降低配准时的误差以及提升配准稳定性的方案.实验结果表明,提出的算法能有效地将静态标签的抖动降低至亚像素级.     

医学图像配准分类研究

医学图像配准是医学图像研究领域的一项重要课题。配准种类包括刚性配准和非刚性配准,配准形式包括不同个体间的配准以及同一个体不同图谱的配准。介绍了基于处理流程和基于图像特征的图像配准方法以及基于变形模型的图像配准三大类。非刚性配准比刚性配准在稳定性和计算效率等方面要求更高,技术难度更大,同时具有更重要的应用意义。随着计算机技术的应用和发展,非刚性配准成为一个非常活跃的研究领域,相关的模型和方法 备受关注。     

基于系统误差和状态联合估计的目标跟踪算法

针对线性系统中系统误差对状态估计精度造成的不利影响,在卡尔曼滤波算法框架下提出一种基于系统误差和状态联合估计的目标跟踪算法。在算法实现过程中,首先定量分析了系统误差对目标状态估计及其估计误差协方差矩阵的影响,进而结合状态扩维技术构建系统误差配准的实现过程,最终依据标准卡尔曼滤波迭代流程设计了算法实现步骤。仿真实验结果表明: 在系统误差恒定和时变两种情况下,新算法在系统误差配准和状态估计上具有可行性和有效性。     

利用标志点多视图约束实现结构光扫描高精度粗拼接

在采用标志点拼接的结构光扫描系统中,两两相邻视图拼接存在累积误差,导致拼接精度会随拼接次数下降,为此提出一种利用标志点多视图几何约束的高精度拼接方法.首先利用两两视图拼接的方式在扫描过程中构建标志点多视图网络,并利用光束法平差技术优化多视图网络得到高精度全局控制点;在此过程中保存每个视局部坐标系下三维点云,然后将各局部坐标系下点云和全局控制点进行拼接,得到物体表面完整的三维数据.该方法克服了传统拼接过程中累积误差,提高了多视角三维扫描拼接精度;并通过实验证明了所提出算法的有效性.