变参数active demons算法下的多通道弥散张量图像配准

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。     

改进的逆向组合算法在图像配准中的应用

逆向组合算法在进行图像配准时精度很高,但对模板图像在待配准图像中的初始位置敏感。针对该问题,提出一种改进的逆向组合算法,通过计算巴氏系数进行模板匹配,实现输入图像的粗定位后,应用逆向组合算法进行精确定位。实验结果证明,改进的算法对图像发生形变的情况具有较好的鲁棒性,相比原算法,配准能力更强。     

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.     

SIFT-FCACO算法的图像配准

为了降低图像配准误匹配率以及减少RANSAC算法特征优化迭代次数,提出了SIFTFCACO的图像配准算法,用快速收敛的蚁群算法对图像匹配后的特征点对进行优化。实验结果表明,该算法不仅减少了匹配时间,而且提高了匹配的准确率。     

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。     

基于ICP算法的医学图像几何配准技术

几何配准是医学图像领域研究的重要内容，医学图像几何配准的目标就是建立术前和术中两组点的变换关系。该文利用股骨为模型，讨论了基于轮廓特征的ICP医学图像几何配准算法，从技术上实现了术前建模和术中取点，并编制相应的ICP算法程序。     

基于SURF算法和SC-RANSAC算法的图像配准

提出了一种融合SURF算法和SC-RANSAC算法的图像配准方法。首先利用SURF算法提取待匹配图像的特征, 然后用最近邻方法找出匹配点, 最后运用SC-RANSAC算法剔除错误的匹配点, 实现图像的正确配准。实验结果表明, 该方法在保持较高的特征点正确匹配率的前提下, 配准速度高于SURF和RANSAC相结合的方法和SIFT和RANSAC相结合的方法。     

基于Demon算法的乳房核磁共振图像配准

为了提高乳房动态核磁共振成像中不同时间点序列图像的配准速度,提出了将快速的Demon非刚性配准算法与图像强度校正相结合的乳房图像配准模型。Demon算法本身基于图像强度变化计算变形参数,因此不适于强度动态增强的图像配准。首先根据乳房组织的信号增强模型应用多项式理论校正待配准图像的强度,再应用Demon算法进行几何变形配准。实验表明该算法在精度上远优于直接使用Demon算法,在与自由形变配准算法具有几乎相同配准精度的前提下,明显提高了配准速度。     

组合模型的图像配准

为解决图像配准中因旋转变换,尺度缩放,光照变化,相机抖动,气流变化以及压缩等影响成像质量,而导致特征点检测数目不足的问题,本文提出了基于组合模型的图像配准方法.该方法采用KAZE与SURF算子联合检测局部区域中线性与非线性特征点;同时为了提高计算效率,采用二进制向量描述符表征特征点,并使用汉明距离计算特征点之间的匹配距...     

基于相关性的病理切片图像配准

尽管病理切片图像对配准的要求比较高,而现存的配准方法却难免会产生失配现象。为解决这一问题,提出了一种基于相关性的病理切片图像配准新算法。该算法是采用基于图片中两平行列(行)间的数据来抽取特征的方法。为了避免“干扰”的累积,该算法选择了差值曲线中最强的特征——最大包来作为模板的基元,并根据图片内容的相关性,利用最大包的分布作为模板来进行图像配准,从而降低了“干扰”的影响,使算法配准的稳定度比以前一些算法有较大的提高。实验证明,该算法不仅比较规整,稳定性高,而且计算速度也较快,是一种比较实用的图像配准算法。     

均方误差控制步长恒模医学CT图像盲均衡算法

提出一种基于均方误差控制的自适应变步长恒模医学CT图像盲均衡算法,利用线性变换将图像的恢复过程等效为一维盲均衡运算,建立了降维处理的医学CT图像盲均衡恒模代价函数,采用信号的均方误差作为步长控制因子,加快算法收敛,改善恒模医学CT图像盲均衡算法性能。仿真结果验证了算法的有效性,新算法改善了峰值信噪比和恢复效果,提高了算法收敛速度。     

基于DT-MRI数据的心肌纤维可视化及分析系统研究与实现

核磁共振弥散张量成像（Diffusion Tensor Magnetic Resonance Imaging,DT-MRI）是近年来提出的一项新的医学影像技术。通过利用核磁共振技术测量细胞内多个方向上水分子弥散运动的特征,可以全面充分研究活体组织微细结构。基于犬心室的DT-MRI数据集开展了三维心肌纤维结构的可视化方法及其可视化系统设计与实现的研究。首先利用阈值滤波、中值滤波和邻域平均法对原始DT-MRI数据进行去噪预处理,然后利用体绘制技术、图元显示法和纤维跟踪法对犬心室的DT-MRI数据进行可视化。最后对基于DT-MRI数据的心肌纤维可视化应用进行了详细的需求分析和系统设计,基于VTK（Visualization Toolkit）实现一个DT-MRI数据的心肌纤维可视化和分析系统。实验结果表明该系统具有良好的交互性,为研究心脏结构提供了一个有力可视化工具。     

基于可变步长的常数模盲均衡算法

为了提高多输入多输出系统的通信质量,针对传统常数模盲均衡算法存在收敛速度慢、误码率高等缺点,提出来一种基于可变步长的常数模盲均衡算法。利用反正切函数建立一种步长因子与误差间的非线性函数关系,利用此非线性函数来调整步长,加快算法收敛速度,采用仿真实验测试算法的性能。结果表明,相对于其他盲均衡算法,该算法加快了收敛速度,大幅降低误码率,获得理想的均衡效果,具有一定的实用价值。     

基于DT-MRI数据的心肌纤维可视化及分析系统研究与实现

核磁共振弥散张量成像(Diffusion Tensor Magnetic Resonance Imaging,DT-MRI)是近年来提出的一项新的医学影像技术。通过利用核磁共振技术测量细胞内多个方向上水分子弥散运动的特征,可以全面充分研究活体组织微细结构。基于犬心室的DT-MRI数据集开展了三维心肌纤维结构的可视化方法及其可视化系统设计与实现的研究。首先利用阈值滤波、中值滤波和邻域平均法对原始DT-MRI数据进行去噪预处理,然后利用体绘制技术、图元显示法和纤维跟踪法对犬心室的DT-MRI数据进行可视化。最后对基于DT-MRI数据的心肌纤维可视化应用进行了详细的需求分析和系统设计,基于VTK(Visualization Toolkit)实现一个DT-MRI数据的心肌纤维可视化和分析系统。实验结果表明该系统具有良好的交互性,为研究心脏结构提供了一个有力可视化工具。     

Optimal variable step-size LMS model and algorithm with independence assumption

To solve the contradiction between convergence rate and steady-state error in least mean square (LMS) algorithm, basing on independence assumption, this paper proposes and proves the optimal step-size theorem from the view of minimizing mean squared error (MSE). The theorem reveals the one-to-one mapping between the optimal step-size and MSE. Following the theorem, optimal variable step-size LMS (OVS-LMS) model, describing the theoretical bound of the convergence rate of LMS algorithm, is constructed. Then we discuss the selection of initial optimal step-size and updating of optimal step-size at the time of unknown system changing. At last an optimal step-size LMS algorithm is proposed and tested in various environments. Simulation results show the proposed algorithm is very close to the theoretical bound.     

Superior step-size theorem and its application-Parallel variable step-size LMS filters algorithm

With independence assumption, this paper proposes and proves the superior step-size theorem on least mean square (LMS) algorithm, from the view of minimizing mean squared error (MSE). Following the theorem we construct a parallel variable step-size LMS filters algorithm. The theoretical model of the proposed algorithm is analyzed in detail. Simulations show the proposed theoretical model is quite close to the optimal variable step-size LMS (OVS-LMS) model. The experimental learning curves of the proposed algorithm also show the fastest convergence and fine tracking performance.The proposed algorithm is therefore a good realization of the OVS-LMS model.     

梯度算子对反向合成梯度算法的影响

反向合成梯度算法是一种基于局部指向性的反向合成图像对齐算法。与传统的反向合成图像对齐算法相比,该算法可有效地克服光照变化对匹配结果的影响[1]。由于局部指向性的计算在本质上是梯度的计算,而图像梯度的计算可以采用不同的梯度算子,因此采用4种不同的梯度算子（一阶差分算子,Roberts算子,Sobel算子和Prewitt算子）来计算局部指向性,并通过实验比较分析了4种梯度算子对反向合成梯度算法的影响。     

改进的变步长频域批处理LMS算法

现有的单载波频域均衡技术中的定步长频域批处理LMS（Frequency-Domain Block Least Mean Square,FBLMS）算法,在收敛速度和稳态误差之间存在矛盾。针对这个问题,基于对变步长LMS算法的研究分析,提出了一种新的改进的变步长频域批处理LMS自适应滤波算法,通过变步长因子以及频域权系数抽头泄漏能很好地协调收敛速度和稳态误差之间的矛盾,并且还具有较低的算法复杂度的特点。通过Matlab对提出的新算法进行计算机仿真验证,结果表明该算法有较好的收敛速度和较小的稳态误差。     

基于非线性主成分分析的自适应变步长盲源分离算法

算法的迭代步长对于算法的收敛性能有着重要影响。针对固定步长的非线性主成分分析(NPCA)算法不能兼顾收敛速度和估计精度的情形,提出基于梯度的自适应变步长NPCA算法和最优变步长NPCA算法两种自适应变步长算法来改善其收敛性能。特别地,最优变步长NPCA算法通过对代价函数进行一阶线性近似表示,从而计算出当前的最优迭代步长。该算法的迭代步长随估计误差的变化而变化,估计误差大,迭代步长相应大,反之亦然;且不需要人工设置任何参数。仿真结果表明,当算法的估计精度相同时,与固定步长NPCA算法相比,两种自适应变步长NPCA算法相对固定步长NPCA算法都具有更好的收敛速度或跟踪性能,且最优变步长NPCA算法的性能优于基于梯度的自适应变步长NPCA算法。     

基于MISO均衡器的变步长修正常模算法

MIMO系统接收端信号之间的相关性严重影响了均衡效果,为此提出一种基于多输入单输出均衡器的变步长修正常模盲均衡算法(MISO-VSS-MCMA).该算法可以克服信号相位偏转,并能有效抑制用户间干扰;其中误差切换指数型变步长因子可以改善由MISO均衡器之间的信号处理过程所引起的收敛速度下降的问题.仿真表明,与传统的MIMO-MCMA算法相比,基于MISO结构的均衡算法剩余误码率大幅降低,并且变步长因子加快了算法的收敛速度,均衡效果更佳.