共查询到20条相似文献,搜索用时 484 毫秒
1.
目的 弥散张量图像(DTI)配准不仅要保证配准前后图像解剖结构的一致性,还要保持张量方向的一致性。demons算法下的多通道DTI配准方法可充分利用张量的信息,改善配准质量,但大形变区域配准效果不理想,收敛速度慢。active demons算法能够加快收敛速度,但图像的拓扑结构容易改变。由此提出一种变参数active demons算法下的多通道DTI配准方法。方法 综合active demons算法中平衡系数能加快收敛速度、均化系数能提高DTI配准精度的优点,手动选择一个均化系数,并在算法收敛过程中随着高斯核的减小动态调整平衡系数。在配准开始时采用较小的平衡系数获得较快的收敛速度,随着收敛的加深逐渐增大平衡系数获得较小的配准误差。结果 active demons方法能改善DTI大形变区域的配准问题,但均化系数太小会改变图像拓扑结构。固定均化系数,引入单一的平衡系数能加快收敛速度,但会导致拓扑结构改变。变参数active demons方法有效提高了配准的收敛速度,明显改善大形变区域的配准效果,同时能保持图像拓扑结构不变。变参数active demons配准后的10组数据均获得最小均方差(MSE)和最大特征值特征向量对重叠率(OVL),配准精度最高。在0.05的配对样本t检验水平下,变参数active demons和active demons方法配准后的MSE、OVL的差异均有统计学意义;变参数active demons和demons方法配准后的MSE、OVL的差异均有统计学意义(p<0.05)。结论 变参数active demons算法下的多通道DTI配准方法明显提高了配准精度和速度,改善了demons方法不能有效配准大形变区域的问题,同时能够保持配准前后图像的拓扑结构,尤其适合个体间形变较大的DTI配准。 相似文献
2.
精确的谱间配准是从超光谱遥感图像中获取光谱信息的基本前提之一。而谱间配准的主要困难在于宽的成像光谱范围使波长间隔远的图像缺乏相似性, 超光谱图像本身海量的数据也限制了配准算法的复杂性。提出了一种结合互信息和随机优化技术的多分辨率配准方法。该方法采用互信息作为相似性测度, 能很好的适应超光谱图像光谱特征的变化; 二阶同步试探随机逼近(2SPSA )算法的应用, 解决了互信息的多变量优化问题; 通过一种具有平移和旋转不变性的小波分解实现算法的多分辨率形式, 能明显加快算法的收敛速度并保证搜索结果的全局最优性。实验结果表明该算法适用于配准波长范围很宽的超光谱图像, 并能达到子像素的配准精度。 相似文献
3.
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。 相似文献
4.
5.
基于平衡系数的Active Demons非刚性配准算法 总被引:1,自引:0,他引:1
经典的Active demons算法利用参考图像和浮动图像的梯度信息作为驱动力,并使用均化系数调节两种驱动力之间的强度.该算法克服了Demons算法单一使用参考图像的梯度信息作为驱动力的缺点,但是Active demons算法中的均化系数无法同时兼顾大形变和小形变区域的准确配准,还会导致配准的收敛速度和精确度相互制约的问题.为此,本文提出一种新的Active demons非刚性配准算法.提出的算法在Active demons扩散方程中引入一个称为平衡系数的新参数,与均化系数联合调整驱动力,不仅可以兼顾图像中同时具有的大形变和小形变区域的准确配准,而且在一定程度上缓和了收敛速度和精确度相互制约的问题.为了进一步提高配准的收敛速度和精确度,避免陷入局部极值,在新的配准算法的实现中引入由粗到细的多分辨率策略.在Checkboard测试图像、自然图像和医学图像上的实验结果表明,提出的算法较经典的Active demons算法收敛速度更快,配准精度平均提高了54.28%,接近最新的TV-L1光流场图像配准算法的配准精度,解决了Active demons算法存在的问题. 相似文献
6.
Demons算法是一种基于灰度信息的全自动非刚性配准方法,其配准结果容易受图像之间灰度不一致的影响,且迭代收敛速度较慢.针对这两个问题,提出了一种基于多项式最小二乘拟合的灰度归一化方法对灰度进行匹配,并在迭代过程中自适应调整浮动图像所受作用力以加快收敛速度.用改进后的算法与原算法及其他改进算法分别对乳腺X线摄片进行配准实验,对比结果表明,本文的改进方法能够更快地产生更精确的配准结果,配准后的图像增强了乳腺组织的真实变化,有利于乳腺癌的早期诊断. 相似文献
7.
8.
针对现有医学图像配准算法精度较差、易陷入局部极值和收敛速度慢的问题,结合多分辨率分析,提出改进头脑风暴优化(MBSO)算法与Powell算法结合的图像配准算法。MBSO算法通过改变个体生成方式调节参与局部和全局搜索的个体比例,应用可变步长加强搜索能力,达到跳出局部最优和加速收敛的目的。首先,在低分辨率层利用MBSO算法进行全局搜索;然后,将搜索结果作为Powell算法的初始点在高分辨率层进一步搜索;最后,在原始图像层利用Powell算法搜索并定位全局最优值。与粒子群优化(PSO)算法、蚁群优化(ACO)算法、遗传算法(GA)与Powell算法结合算法相比,所提算法平均均方根误差分别减小了20.89%、30.46%和18.54%,平均配准时间分别缩短了17.86%、27.05%和26.60%,并且达到了100%的成功率。实验结果表明,所提算法具有很强的鲁棒性,能够快速、准确完成医学图像配准任务。 相似文献
9.
一种新的变步长常模盲均衡算法 总被引:1,自引:0,他引:1
常模盲均衡算法采用固定步长时存在收敛速度和稳态误差之间的矛盾,解决这一矛盾的有效方法是用变步长代替固定步长.在分析了常模算法误差特性的基础上,建立了步长因子和误差信号之间的一种非线性函数关系,分析了函数中参数对步长因子的控制,较好地满足了常模算法迭代过程对步长因子的要求,得到一种新的变步长常模算法.新算法能够在加快收敛速度的同时减小稳态误差,且具有较强的信道跟踪能力和抗干扰能力.理论分析和计算机仿真证实:新算法性能较好,具有很好的实用性. 相似文献
10.
11.
基于压缩感知(CS)的磁共振成像(MRI)是一种利用磁共振(MR)图像的稀疏性的快速成像技术,经典CS-MRI重建数学模型是在包含线性合成非平滑正则约束下的最优化问题。针对重建模型中的线性合成正则项提出利用原始-对偶框架同时求解原始-对偶问题,对原始-对偶问题的增广Lagrangian形式求解其最优解,提出了一种原始-对偶迭代重建算法;对于非平滑正则项的处理,提出使用Moreau包络进行平滑近似,然后利用近似算子得到平滑近似函数的导数形式。用体模图像和真实MR图像,与共轭梯度算法(CG)、算子分离算法(TVCMRI)、变量分离算法(RecPF)和快速混合分离算法(FCSA)进行比较,表明该算法重建效果最好,算法复杂度与最快的FCSA算法相当。 相似文献
12.
针对现有压缩感知核磁共振成像(CSMRI)算法在低采样率下重构质量低的问题,提出一种融合深度先验及非局部相似性的成像方法。首先,利用深度去噪器和块匹配三维滤波(BM3D)去噪器构建能够融合多种图像先验知识的稀疏表示模型;其次,将该模型作为正则化项,利用高度欠采样的k空间数据构建压缩感知核磁共振成像优化模型;最后,利用交替优化方法求解构建的优化问题。所提出的算法不仅能够通过深度去噪器利用深度先验,还能够通过BM3D去噪器利用图像的非局部相似性来进行图像重建。实验结果表明,与基于BM3D的重建算法相比,该算法在采样率为0.02、0.06、0.09及0.13情况下重构的平均峰值信噪比高出约1 dB;此外,从视觉角度,与现有的基于小波树稀疏性的核磁共振成像算法WaTMRI、基于字典学习的核磁共振成像算法DLMRI、基于字典更新及块匹配和三维滤波的核磁共振成像算法DUMRI-BM3D等相比,所提算法重构的图像包含大量纹理信息,与原始图像最接近。 相似文献
13.
针对现有压缩感知核磁共振成像(CSMRI)算法在低采样率下重构质量低的问题,提出一种融合深度先验及非局部相似性的成像方法。首先,利用深度去噪器和块匹配三维滤波(BM3D)去噪器构建能够融合多种图像先验知识的稀疏表示模型;其次,将该模型作为正则化项,利用高度欠采样的k空间数据构建压缩感知核磁共振成像优化模型;最后,利用交替优化方法求解构建的优化问题。所提出的算法不仅能够通过深度去噪器利用深度先验,还能够通过BM3D去噪器利用图像的非局部相似性来进行图像重建。实验结果表明,与基于BM3D的重建算法相比,该算法在采样率为0.02、0.06、0.09及0.13情况下重构的平均峰值信噪比高出约1 dB;此外,从视觉角度,与现有的基于小波树稀疏性的核磁共振成像算法WaTMRI、基于字典学习的核磁共振成像算法DLMRI、基于字典更新及块匹配和三维滤波的核磁共振成像算法DUMRI-BM3D等相比,所提算法重构的图像包含大量纹理信息,与原始图像最接近。 相似文献
14.
核磁共振成像(MRI)作为临床辅助诊断和研究的重要工具,MR图像分割的准确性直接影响着后续处理的正确性和有效性。在目前的图像分割算法中,基于t-混合模型的图像分割方法因其快速和稳健性而受到重视。该方法的一般过程是先估计混合模型的参数,计算图像中每点的后验概率,然后根据贝叶斯最小错误率准则对图像进行分割。根据MR图像的特点,提出了基于t-混合模型的大脑MR图像白质分割的算法,并取得了较好的实验结果。 相似文献
15.
传统的模糊C-均值聚类算法未利用图像的空间信息,在分割迭加了噪声的MR图像时分割精度较差。采用了既能有效去除噪声又能较好地保持图像边缘特征的非局部降噪方法,结合基于图像灰度直方图聚类分析的快速模糊C-均值聚类算法,得到了一种具有较高分割精度的图像快速分割算法。通过对模拟图像、仿真脑部MR图像和临床脑部MR图像的分割实验,表明提出的新算法比已有的快速模糊C-均值聚类算法有更精确的图像分割能力。 相似文献
16.
17.
18.
19.