基于薄板样条的非刚体医学图像配准

非刚体图象配准是非线性的图像配准方法,它能够实现图像之间的配准,为提高医学图像配准精度,对于形变较大的多模图像的配准等都有着重要的作用.提出了一种基于薄板样条的3D/2D非刚体医学图象配准算法,算法首先提出一个混合能量公式,在配准的过程中,用薄板样条法实现全局配准,并通过仿真退火算法进行迭代,以缩小并确定变形的待配准区域.在局部的待配准区域,采用互信息的方法进行配准.解决了因特征点不足引起的不完整匹配问题,使得图像连续平滑,以得到较优的配准效果.     

PET/CT成像呼吸运动B样条校正

PET/CT成像中的人体呼吸运动会造成图像运动模糊,会严重影响图像质量,对医生的诊断造成影响。目前常用的呼吸门控技术能够在一定程度上改善图像质量,但是均存在其局限性。提出了一种基于CT图像提取呼吸运动特征的B样条方法,对呼吸运动图像进行校正。在PET/CT上获取与PET图像周期匹配的CT图像序列,通过B样条配准方式对在呼吸周期内的CT图序列像提取运动信息;对CT图像所匹配的PET图像做基于运动特征信息的校正变换进行运动校正。几何位移形变和像素人体模实验结果表明,提出的方法对PET/CT呼吸运动图像质量改进明显,具有研究价值。     

基于并行计算和多层次B样条的肺部CT-PET图像配准

为了提高医学图像配准的效率,提出一种基于并行计算和多层次B样条函数的图像配准方法。该方法提取图像均匀内部点及轮廓点作为参考图像特征点,采用并行计算技术在浮动图像上选择特征点对;在形变过程采用B样条曲面函数插值来完成,通过多层次B样条函数逐步优化形变效果。实验结果表明,该方法适合于肺器官CT PET图像快速配准。     

基于多分辨率策略的弹性配准方法

提出了一种基于多分辨率策略的医学图像弹性配准方法.首先通过使用多分辨率C-V模型来加快边界提取的速度,接着采用模拟退火结合薄板样条插值的方法来配准边界点.为了增强边界点配准算法的鲁棒性和速度,在退火过程中使用多分辨率策略来构造点集数据.最后利用薄板样条插值函数完成弹性变换.实验结果表明,算法对于大形变的情况依然具有很好的效果.     

正则化算法在CT图像重建上的应用

由于受数据采集时间、照射剂量、成像系统扫描的几何位置等因素的约束,计算机断层成像（Computed tomography,CT）技术目前只能在有限角度范围或在较少的投影角度得到数据,这些都属于不完全角度重建问题. 因此,图像重建的算法应用变得尤为重要,本文将现有的几种正则化超分辨率重建算法应用到CT图像重建上并做了一系列的对比分析,分析不同算法下不同的图像重建效果. 首先对低分辨率CT图像进行图像配准,然后再进行样条插值放大,最后运用相关正则化算法进行超分辨率图像重建. 实验结果表明正则化算法的应用一定程度上提高了图像分辨率,其中双边正则化下的重建效果最好,基于L2范数全变分正则化效果较差.     

心脏超声序列图像轮廓的弹性配准

心脏的运动过程中包含着大量的信息,根据所得心脏超声序列图像进行诊断时,需要获取心脏特定部住的收缩和舒张运动信息。本文尝试将基于薄板样条的弹性配准方法运用于心脏超声序列图像短轴室壁轮廓的配准．从而获取其运动信息,本中详细介绍了心脏超声序列图像的标记特征点选取和平滑薄板样条弹性配准的原理及应用结果．该研究为心脏序列帧图像跟踪研究提供了一种新方法。     

混合样条大尺度医学图像弹性配准算法研究*

针对大尺度形变医学图像配准速度慢和精度低的特点,提出一种结合薄板样条(TPS)和B样条的弹性配准方法。该方法采用尺度不变特征变换算法(SIFT)进行图像特征提取与匹配,利用TPS算法将特征点对作为输入进行预处理,以降低浮动图像的形变尺度,从而提高下一步B样条配准的速度与精度。然后使用局部区域细化层次B样条方法将TPS生成的较稀疏的形变网格作为初始网格,结合有限记忆优化算法(L-BFGS)对控制网格做进一步地处理,此过程只对形变较大的局部区域进行细化,以实现与参考图像的快速精确配准。实验结果表明,该方法较层次B样条方法有效地提高了配准的速度和精度。     

基于主方向傅里叶变换算子的2D/3D分级配准

目前的2D/3D医学图像配准方法的配准精度和效率存在矛盾,配准捕获范围小.为解决这些问题,本文提出一种基于主方向傅里叶变换算子的分级配准方法.首先,提出平面旋转平移不变性算子——主方向傅里叶变换算子.然后,提出基于主方向傅里叶变换算子的模板匹配初始化方法,可避免接近真值的初值需求,并显著扩大了捕获范围.最后,提出基于主方向傅里叶变换算子的分级配准框架,将配准搜索空间从O(n6)降到O(n2),在保证配准精度的情况下大幅提高配准效率.在配准实验中,本文方法的配准精度为0.68 mm±0.28 mm,配准时间为16.87 s±3.77 s,捕获范围大于100 mm.因此,所提出的基于主方向傅里叶变换算子的分级配准方法可以满足2D/3D图像配准在相关临床应用中精度、效率及捕获范围的需求.     

基于梯度互信息的CT/PET图像分步配准

研究了基于互信息的医学图像配准方法,针对其缺乏空间信息而容易导致误配准以及计算量大,耗时长的问题.提出了一种梯度和互信息相结合的分步配准方法,应用于CT和PET图像的配准.该方法利用形态学运算去除PET图像背景伪迹,运用对比度拉伸和直方图均衡化对其增强,获取结构清晰、完整的梯度图像.利用矩和主轴法时梯度图像进行初步配准,对初步配准后的梯度图像进行互信息精配准.实验表明,该方法用于CT和PET图像的配准.在精度和速度上都明显优于传统互信息方法.     

基于分数阶微分的TV-L1光流模型的图像配准方法研究

图像的非刚性配准在计算机视觉和医学图像分析中有着重要的作用.TV-L1（全变分L1范数、Total variation-L1）光流模型是解决非刚性配准问题的有效方法,但TV-L1光流模型的正则项是一阶导数,会导致纹理特征等具有弱导数性质的信息模糊.针对该问题,将G-L（Grünwald-Letnikov）分数阶引入TV-L1光流模型,提出基于G-L分数阶微分的TV-L1光流模型,并应用原始-对偶算法求解该模型.新的模型用G-L分数阶微分代替正则项中的一阶导数,由于分数阶微分比整数阶微分具有更好的细节描述能力,并能有效地、非线性地保留具有弱导数性质的纹理特征,从而提高图像的配准精度.另外,通过实验给出了配准精度与G-L分数阶模板参数之间的关系,从而为模板最佳参数的选取提供了依据.尽管不同类型的图像其最佳参数是不同的,但是其最佳配准阶次一般在1 ~2之间.理论分析和实验结果均表明,提出的新模型能够有效地提高图像配准的精度,适合于包含较多弱纹理和弱边缘信息的医学图像配准,该模型是TV-L1光流模型的重要延伸和推广.     

基于多种正则化的改进超分辨率重建算法

为了解决超分辨率图像重建过程中无法同时降低平滑区域噪声和保持图像细节的问题,结合改进的非局部变分（NLTV）和全变分（TV）正则项方法提出一种新的超分辨率重建算法。首先,根据图像重尾分布特性,结合高斯分布、拉普拉斯分布及柯西分布改进了传统NLTV正则项系数,提出了改进的ANLTV正则项。然后利用ANLTV正则项基于分裂Bregman算法重建了初始的高分辨率图像。最后结合TV正则项对重建的高分辨率图像进行去模糊操作,进而得到最终的超分辨率图像重建结果。为验证所提算法的性能,分别利用该算法与传统的TV和NLTV算法进行超分辨率图像重建并对比。实验结果表明,所提出的方法相比于传统的TV和NLTV重建算法,其峰值信噪比、信噪比和结构相似度均有所提高,能够同时满足超分辨率图像重建过程中抑制噪声和保持边缘细节的需求。     

薄板样条函数在空间数据插值中的应用

薄板样条函数是空间数据插值中一种重要的方法,介绍了该方法的基本原理,并以珠江河道地形数据为例,借助地理信息系统的二次开发功能,将薄板样条函数应用于空间插值,通过与测试样本点以及克里金插值在最大值、标准误等方面的比较分析,证明薄板样条函数是一种有效的空间数据插值方法。     

基于小波包分解的整体变分去噪算法

由Rudin等人提出的整体变分（TV）模型被认为是目前最好的图像去噪模型之一。理论表明,TV模型对分块常量的图像去噪效果显著。对于纹理细节丰富的图像,通过引入小波包分解技术,对图像的纹理细节进行多层小波包分解,得到一系列近似分块常量的子图像,用TV模型对子图像分别进行处理,从而图像的纹理细节得到了更好的保留。相对于单独使用TV模型去噪,该方法得到的复原图像峰值信噪比（PSNR）提高了1 dB左右。同时由于采用改进的Bregman迭代方案求解TV模型,算法收敛时间得到了极大的减少。     

一种改进的各向异性全变差去噪模型

全变差（TV）正则化模型是最经典的去噪模型,利用分裂的Bregman迭代算法可以简单有效地求解该模型。结合TV-L1模型和OSV模型,提出了一种改进的各向异性全变差去噪模型,并且利用分裂的Bregman迭代算法进行求解。通过数值实验可以看出改进的模型保护了恢复图像的边缘,突出了几何特征和纹理,使其更加清晰,去噪效果比原模型有所提高。     

基于TV与SSIM的图像质量评价方法

提出一种基于全变分(TV)模型与结构相似度(SSIM)的图像质量评价方法。对待评价图像进行主动定量加噪,得到降质图像,利用自适应的TV去噪模型得到消噪图像,采用SSIM方法对待评价图像与消噪图像进行全参考评价,得到待评价图像的无参考评价指标。采用标准测试图像和LIVE库的降质图像进行实验,结果表明,该方法可在无参考图像的条件下对图像质量进行评估,评价结果与主观评价结果具有较高的一致性。     

生理点配准的颅面局部形态关系建模

为提高对颅骨与面皮之间形态关系建模的准确度,提出一种生理点配准的颅面局部形态关系建模方法。以特征点对应关系为约束条件,基于TPS变形实现颅面初配准;根据欧氏距离与局部几何特征的加权距离确定顶点的最优生理对应关系,建立分类颅面模型库;将颅面形态关系建模问题分解为对每一面皮生理点各坐标分量建模的子问题集,运用单因变量多自变量PLSR,以面皮生理点的各坐标分量为因变量,选取显著相关的颅骨生理点相应坐标分量为自变量,建立由各面皮生理点坐标计算模型构成的局部形态关系模型。实验结果表明该方法可更准确有效地描述颅面形态变化关系。     

基于形状自适应非局部回归和非局部梯度正则的深度图像超分辨

针对深度图像分辨率低、深度不连续性模糊问题,提出一种基于形状自适应非局部回归和非局部梯度正则的深度图像超分辨方法。为了探究深度图像非局部相似块之间的相关性,提出了形状自适应的非局部回归。该方法对每个像素点提取其形状自适应块,并根据形状自适应块构建目标像素的相似像素组;然后针对相似像素组中的每个像素,结合同场景的高分辨率彩色图像获得非局部权重,从而构建非局部回归先验。为了保持深度图像的边缘信息,对图像梯度的非局部性进行探究。不同于总变分（TV）正则化对所有像素点梯度的零均值拉普拉斯分布假设,该方法利用深度图像梯度的非局部相似性,用非局部块估计特定像素点的梯度均值,并用学习到的均值来拟合各像素点的梯度分布。实验结果表明,相较于基于边缘不一致性评价模型（EIEM）,所提方法在Middlebury数据集上的2倍和4倍上采样率的平均绝对值差（MAD）分别下降了41.1%和40.8%。     

基于边缘对应的三维颅骨自动非刚性配准方法

针对三维颅骨模型在初始姿态相差较大以及存在较多缺失情况下自动配准困难的问题,提出一种基于边缘对应的三维颅骨非刚性自动配准方法。首先对待配准三维颅骨进行边缘提取,获得所有孔洞的边缘;然后根据边缘长度以及边缘间最短距离自动识别边缘类型,建立待配准颅骨和参考颅骨在边缘上的对应;之后对待配准颅骨的初始位置和姿态进行调整,实现粗配准;最后通过两次一致点漂移（CPD）算法逐步实现两个颅骨从边缘区域至所有区域的精确配准。实验结果表明,与常用的基于迭代最近点（ICP）和薄板样条函数（TPS）相结合的三维颅骨自动配准方法相比,该方法对姿态、位置、分辨率以及缺损具有更强的鲁棒性,并且配准效率更高。     

基于矢量扩散控制的图像同步去噪增强方法

在图像获取过程中,常得到含有噪声和对比度较差的图像,为更好地去除图像的噪声与增强对比度,提出一种基于矢量扩散控制的图像同步去噪增强方法。分析全变分(TV)模型的构造,指出其存在的问题,通过引入矢量扩散控制的方式改造该模型的后项,更好地控制扩散在图像边缘处的粒度。给出限制对比度自适应直方图均衡的微分模型结构,并与改进后的TV模型融合实现图像的同步去噪与反差增强。通过2组实验从成像质量和灰度分布上比较处理结果,验证该方法的有效性。实验结果表明,该方法不仅较好地解决了TV模型在去噪过程中出现的阶梯效应,而且能够改善图像对比度,提高图像的质量。