一种影像增强器失真图像的校正方法

针对基于X线透视的骨科手术导航系统中影像增强器图像失真的问题,在多项式变换校正影像增强器失真图像的基础上,提出了基于正交多项式和加权正交多项式变换的影像增强器失真图像校正方法.利用正交多项式的正交特性和递推关系,提高影像增强器失真图像校正的精度、速度和灵活性;加权正交多项式变换中考虑控制点对不同像素点影响的不同,改善图像的局部形变.实验数据表明,相同阶数的正交多项式方法比多项式方法精度高,加权正交多项式方法则精度更高,能用较低阶的加权正交多项式实现较高的精度.在骨科手术导航系统中,作者利用三阶加权正交多项式方法校正影像增强器透视图像,降低了图像几何失真给病人空间与图像空间配准带来的误差,提高了手术定位的精度.     

一种可调整步长的适应性图像目标轮廓采样方法

为了更有效地获得三维医学图像，提出了一种可调整步长的适应性图像目标轮廓采样方法。直接获取自临床的层阃间距相对较大的医学图像数据，首先经由图像预处理和图像目标轮廓插值等前期数据预处理操作，然后采用本文提出的一种可调整步长的适应性图像目标轮廓采样方法对图像目标轮廓线上的点进行适应性采样，最后给出了图像目标的三雏表面显示效果图。实验结果证实了方法的可靠性和有效性。该采样方法既保持了图像目标轮廓的尖锐特征和拓扑结构，又较好地实现了数据压缩。     

基于GPU的快速Level Set图像分割

水平集(1evel set)图像分割方法是图像分割中的一个重要方法，但是该算法的计算量大，往往不能达到实时处理的要求。给出了利用新一代的可编程图形处理器(GPU)实现level set的加速算法。首先介绍了如何在GPU上利用片元渲染程序进行网格化的线性运算和有限差分PDE计算，把level set方法的离散化算子映射到GPU上。由于以数据流处理方式的GPU的存储访问快，具有并行运算能力，同时level set算法演化的显示不再需要把数据从CPU传到GPU，因此较大地提高了算法速度与交互显示。文中实现并测试了一个与初始化状态独立的二维level set的算子用于图像分割，并对其运算结果和性能进行了比较，结果表明该方法具有更快的速度。     

一种改进的光流场计算方法

本文在基本约束方程和平滑性约束条件下,提出了一种改进的瞬时位置速度估计方法。这种方法不仅能够克服Ｈｏｒｎ方法在计算临近界的非运动点速度“漂移”问题,而且能加快算法的收敛速度,提高预测的准确性。通过对２Ｄ运动图像光流场计算,恢复和峰值信噪比的实验研究表明,这一新方法是有效的。     

利用Zernike矩对心脏超声图进行光流场计算的邻域优化算法

本文针对心脏超声图的特性 ,介绍了一种计算二维光流场的邻域优化算法 ,通过对Zernike矩的正交性、旋转不变性等特性的分析 ,论证了Zernike矩在心脏超声图中作为运动不变特征的优越性 ,从而将传统光流场计算中的亮度不变假设推广到了亮度各阶Zernike矩不变 .另外 ,由于Zernike矩计算了像素点附近其余像素的贡献 ,使得单个像素点引起的误差对特征的影响大大减小 ,从而提高了算法的鲁棒性     

基于Legendre正交矩的配准方法及其在二值图像配准中的应用

Legendre矩在模式识别、图像分析等领域有广泛的应用,具有正交、无冗余性等优点.本文提出了一种基于Legendre正交矩的配准方法,它在医学图像多模态数据的配准、融合中具有重要的实用价值.     

Hausdorff距离与GA相结合的医学图像配准

针对医学上多模态图像的特点,给出Hausdorff距离和遗传算法(GA)相结合的方法.通过给出适当的适应度函数,寻找出全局的最优解,并得到配准结果.这为医学临床诊断多模态信息融合提供了一种方法.     

遗传算法用于曲线的误差约束多边形近似

提出了一种求解曲线的误差约束多边形近似问题的遗传算法.其主要思想是:1)采用变长染色体编码机制,以减少存储空间和计算时间的消耗;2)针对问题的特点,提出了一种新的杂交算子——基因消去杂交,以尽可能地消去染色体上的冗余基因,从而提高算法的寻优能力;3)采用染色体修复策略处理遗传操作产生的不可行解,该策略通过迭代地向染色体追加有价值的候选基因来实现染色体的修复,并提出一种对染色体的候选基因进行评估的机制.通过实验评估并与其他遗传算法进行比较,结果表明,提出的算法性能更优越.     

一种特征约束的有限元人脑图像配准方法

提出了一种结合图像的解剖标记点和自适应有限元网格进行人脑图像的精确配准方法.首先利用Forstner算子提取对应图像的解剖标记点,并作初始的图像刚性变换.为了使有限元网格能更加准确地刻画图像解剖结构分布特征,本文利用图像的梯度分布建立了自适应的有限元网格剖分,结合标记点作为有限元的形变约束,使得配准的精度和有限元的计算效率得到提高.人脑图像配准的实验结果表明,该方法能有效地解决图像弹性配准问题.     

基于HSV颜色模型的广义梯度矢量流图像分割方法

采用广义梯度矢量流（Generalized gradient vector flow, GGVF）作为势能函数的Snake算法在处理灰度图像分割时具有较好的性能.但当处理彩色图像时, GGVF模型往往将彩色图像转化为灰度图像进行处理,此过程造成颜色信息丢失,因而容易受到阴影等伪边界灰度变化的干扰.本文提出了基于HSV颜色模型的GGVF,充分利用了图像的色彩信息进行图像分割.实验结果表明,该方法能够有效地区分彩色图像的真实边界与由阴影产生的伪边界,并取得较好的分割结果.