新的Jensen-Schur测度在医学图像配准中的应用

针对传统的互信息和归一化互信息运算时间长、收敛性能和抗噪声能力差的缺点,提出了一种新的医学图像配准测度,Jensen-Schur测度.从理论上分析了该测度可用于图像配准的性质,并构造了三类Jensen-Schur测度:Jensen-Schur-alpha、Jensen-Rényi-alpha、JenserrSchur-w测度.通过对人体脑部MR/CI"和MR/PET图像的刚体配准实验,从运算时间、收敛性能、抗噪鲁棒性方面,对这三类测度、互信息和归一化互信息进行了比较和分析.实验结果表明,Jensen-Schur-alpha(alpha=2或3)和Jensen-Schur-w测度的收敛性能优于其它测度,运算速度快于其它测度,对噪声有很强的鲁棒性.最后用Jensen-Sehur-alpha(alpha=2)测度进行多模态医学图像的配准实验,结果表明效果良好.     

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．     

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.     

基于IPSO和综合信息的医学图像配准新方法

针对医学图像配准中采用互信息作为配准相似度函数存在配准精度不高和收敛速度慢等问题,根据图像灰度和空间结构信息,构造了一种新的基于互信息和改进型形态学梯度算子的信息配准测度函数,采用一种适用于医学图像自动配准的改进型粒子群优化(IPSO)算法,给出了一种新的基于IPSO的医学图像配准算法。实验结果表明,该配准算法稳定性好、收敛速度快,在多模态医学图像自动配准中是可行的。     

基于改进配准测度的红外与可见光图像配准

针对在可见光与红外配准中采用传统测度算法时存在配准精度低的问题,提出了改进配准测度函数(RMF),实现可见光和红外图像高精度自适应配准.首先选用harris算子提取两幅图像的特征点;再利用改进的配准测度函数(RMF)有效的获取特征点对;最后利用RMF最大的两对匹配点计算配准参数,并进行图像配准.实验结果证明了该方法的实用性,特别对于任意旋转角、缩放比例和偏移量的图像配准.     

基于特征的自动图像配准算法

提出了一种基于特征的自动图像配准算法，它利用角点检测和相关运算在给定源图像和目标图像上自动寻找侯选匹配点，利用松驰过程确定对应特征点。算法在大多数情况下能自动完成。从实验结果看，该算法获得了理想的拼合效果。     

基于互信息的红外与可见光图像快速配准

针对灰度和图像特征存在较大差异的可见光和红外图像配准,给出了一种基于归一化互信息与小波变换相结合的快速图像配准算法。实验表明,该算法加快了配准过程,较利用原图像配准速度提高了约一个数量级,且配准结果具有较高的准确性和稳定性。可见该算法适用于多光谱图像配准。     

基于改进Hausdorff测度的医学图像配准算法

 本文针对在医学图像配准中采用Hausdorff(HD)测度算法时存在精度和计算量之间的矛盾,提出了HD测度的改进算法,在HD测度算法中首次引入非线性的Bayesian一致性函数,以达到提高配准精度和抗噪声性能的目的.实验表明,该方法有效地解决了采用传统HD距离测度算法时,因出格点和噪声点引起的误配问题,获得了较好的配准效果.     

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.     

医学图像配准中的数据抽样方法研究

针对在基于灰度的医学图像配准中,传统数据抽样方法在过抽样时产生较多的局部极值点问题,提出了基于浮动图像灰度概率分布和其梯度信息的抽样方法.通过对人体脑部的刚体配准实验,从函数曲线和收敛性能方面,对比分析了五种数据抽样方法.实验结果表明,新抽样方法可以有效地减少局部极值点,提高归一化互信息测度的收敛性能.     

基于归一化互信息的CT-MRI脑图像配准

医学图像配准研究有非常重要的临床应用价值。针对现在流行的基于最大互信息量的配准方法展开分析和研究。在此基础上对比研究了归一化互信息配准法。通过对一组CT-MR脑图像配准的仿真研究,证明归一化互信息配准法的配准效果很好。特别是在图像重叠区域较小的情况下,比最大互信息配准法效果优越。     

红外与可见光图像自动配准算法的研究

提出了一种新的红外与可见光图像的配准算法,该方法基于图像的小波变换与互信息最大化完成图像的配准过程.首先通过搜索小波模极大提取图像感兴趣区域(ROI),完成图像预处理,并采用仿射变换,建立图像变换模型;其次将低分辨率图像进行图像插值,计算灰度直方图,进行概率分布的估计;最后选择模拟退火法,逼近全局最优解.实验结果证明了此算法的有效性.     

基于区域选择和特征点匹配的图像配准算法

提出了一种新的基于圆形区域和Harris角点检测的图像配准算法.该方法采用Harris算子检测特征点信息,自动选取有效特征点,充分利用圆形区域的旋转不变性和互信息量最大原则进行特征点匹配,避免了传统的图像配准算法计算数据量过大、特征点匹配不准确等问题.仿真结果表明,该方法能在27.8 s内完成配准过程,优于传统的图像配准方法;在旋转角度上有0.07°的误差,但并不影响平移距离的正确配准.     

基于边缘和互信息的红外与可见光图像配准

采用一种结合边缘特征和互信息的图像配准方法,对红外与可见光图像进行配准。首先,用小波变换提取图像边缘,然后计算两幅边缘图像在不同条件（平移、旋转）下的归一化互信息,取归一化互信息最大时对应的配准参数为所需配准参数,再确定刚性仿射变换模型的参数,最后经过缩放、平移和旋转得到最终配准图像。     

基于边缘和互信息法的红外图像配准

用红外图像配准技术对多帧图像进行配准,不仅可以实现平台防抖等电子稳像功能,而且还可以通过对配准后的图像进行多帧累加来积累目标能量,增强图像的性噪比,从而为红外图像弱小目标识别提供帮助。将传统的单纯基于图像整体灰度和基于图像结构特征的配准方法相结合,利用边缘检测得到边缘图像,然后以交互方差为配准测度,以向下加速度法为寻优算法进行图像配准。     

基于轮廓特征点最大互信息的多模态医学图像配准

提出了一种基于轮廓特征点最大互信息的多模态医学图像配准方法,并将粒子群优化算法(PSO)和Powell算法相结合以一种组合的全局优化算法(PPSO)来求取最优配准变换参数.实验结果表明,该方法具有配准精度高、速度快、鲁棒性强等特点,是一种有效地全自动配准方法.     

一种基于对称性边缘的多光谱图像配准方法

多光谱成像技术是遥感领域的一项重要技术。多光谱图像配准技术可以提高遥感图像的应用效率和能力。基于边缘结构在多光谱图像中较为稳定这一特性,提出了一种基于对称性边缘的多光谱图像配准方法,该方法主要包含“图像比例调整”、“对称性边缘提取”和“互信息配准”等三个步骤。基于天宫二号宽波段成像仪的遥感数据设计了一种多子图配准方案,验证了所提方法在可见光、短波红外和长波红外三个谱段之间图像配准的有效性。设置对比实验,将所提配准方法与其他多光谱图像配准方法进行比较,结果表明该方法在天宫二号宽波段遥感图像的配准中具有较高的精度。