基于MC的医学三维等值面的平滑与归并

为了提高医学三维图象的重建效果和速度,在对用于构造等值面的MC（Marching Cubes）算法进行分析的基础上,提出了对等值面进行三维空间方向平滑和多边形法形法向归并的方法。等值面方向平滑的方法就是将等值面分解为一个三维坐标场和一个法向矢量场,然后对其法向矢量场作矢量平滑处理;而等值面的多边形法向归并则是根据适当的门限值,将原来由大量小三角面片构成的等值面归并成由较少的多边形面片构成的等值面。实验结果表明,该方法能显著改善三维重建的效果,并能提高三维绘制的速度。     

融合多种特征的传递函数快速设计框架

设计能同时显示体数据内的多种结构的传递函数是繁琐、耗时且无法预期的过程。为解决此问题,提出了由多个显示单一结构特征的传递函数出发,融合出新的复杂传递函数,能保留感兴趣结构特征的快速设计框架,对框架实现的最优化问题和交互性方面做了深入研究。实验结果验证了方法的快速性和有效性。     

显式重定向的扩散张量图像配准

扩散张量图像配准算法是近年图像配准研究的热点与难点之一.针对配准中容易出现的局部极值和张量重定向问题,以欧氏距离为相似性测度,将张量重定向显式融入目标函数,采用模拟退火算法与Powell算法法相结合的混合优化策略,对临床使用的扩散张量图像DTI(Diffusion Tensor Images)进行配准实验.实验结果表明,该算法稳定性良好,在对扩散张量图像进行配准时,能有效保持扩散张量主特征方向与纤维走向的一致性,同时成功解决了局部极值的困扰,是一种实用的扩散张量图像配准方法.     

基于旋转不变测度的扩散张量图像配准

扩散张量成像（Diffusion Tensor Magnetic Resonance Imaging,DT-MRI）是一种新兴的磁共振成像技术,作为非侵入性的分析大脑内部结构的重要工具,DTI在神经外科学等临床领域的研究中发挥着重要的作用,与此同时不同个体以及同一个体不同时间采集的DTI数据的配准需求也与日俱增,为满足实际需求提出了一种基于旋转不变测度的扩散张量图像的配准方法,首先对扩散张量图像进行空间变换,使其空间位置一一对应,考虑张量数据的方向性特点,再对每个张量进行重定向,从而保证了配准后的图像其扩散张量方向与周围组织的解剖结构一致。实验结果表明,该方法计算复杂度低,是一种有效的张量图像配准方法。     

一种新颖的多尺度无监督图像分割算法

吉伯斯随机场(Gibbs Random Fields,GRF)作为一种引入图像空间信息的先验模型已广泛运用于贝叶斯图像分割中.然而迄今为止,所涉及的这类先验模型往往仅体现为单一尺度上的马尔科夫性,而在多尺度意义上却未曾涉及.首次通过扩展传统单尺度意义上GRF模型到多尺度上,即多尺度吉伯斯随机场,从而圆满地解决这些难题.实验表明:所提出的模型算法有很好的鲁棒性,且易于实现对图像无监督的精确分割.