排序方式: 共有6条查询结果,搜索用时 513 毫秒
1
1.
医学图像分割是医学影像领域非常重要的研究和应用课题。医学图像分割是图像分析、图像融合、图像分类检索以及医学图像专家库的应用基础。ITK(insight segmentation and registration toolkit)是美国国家卫生院专门开发的用于图像分割与配准的算法平台,专门针对医学影像领域,其中包含了丰富的图像分割的算法和操作。水平集(level-set)和区域增长法是分割领域最为成熟的分割算法。研究了水平集和区域生长算法的基本理论和算法基础,以及在图像分割上的应用和实现,分析了这两种算法的特点和应用范围。 相似文献
2.
用于医学影像配准的快速框架 总被引:1,自引:0,他引:1
图像配准是医学影像处理中的一项常见技术,由于配准操作计算量大,非常耗时,因而设计了一种快速配准框架。输入框架的数据包括一幅固定图像和一幅待配准图像(移动图像),输出数据是包含两张图像差异结果的图像。除了输入和输出数据,整个框架包括四个组成部分:插值器、度量器、优化器和变换器。插值器用于测定移动图像映射后像素点的灰度值,度量器用于评价变换之后的移动图像和固定图像之间的匹配度,优化器用于优化度量规则,变换器对目标图像实施各种几何变换处理。这四个组成部分在图像配准操作中分别担任不同的角色,从而构建出一个简单、快速、稳定的医学影像配准框架。和其他图像配准框架相比,该框架在结构上更简单,在配准处理和程序开发方面更快捷,在实际应用中取得了良好的效果。 相似文献
3.
4.
5.
6.
介绍一种可用于医学图像处理的、集成了模糊连接度和维诺图分类算法的混合分割方法。首先采用模糊连接度算法对指定图像区域进行过滤处理形成组织样本数据,这些输出数据将作为维诺图分类算法的输入数据和分类标准,然后通过维诺图分类算法对其进行迭代处理直至形成近似的图像区域边界。最终的输出值为一组分割后的三维图像数据,可以采用体绘制方法形成三维图像分割结果,也可用于进一步的图像处理。和其他医学图像分割方法相比,这种混合分割方法集成了基于区域和基于边界两种不同的分割方法,兼具两者的优点,通过两种分割方法的协同工作,提高了图像分割的精度,适用于复杂图像的分割处理。在医学图像计算机辅助诊断系统中集成了这一方法并取得了良好的实际应用效果。 相似文献
1