利用Zernike矩对心脏超声图进行光流场计算的领域优化算法

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领域优化算法,通过对Zernike矩的正交性、旋转不变必等特性的分析,论证了Zernike矩的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。     

基于链码匹配的断层间复杂轮廓线的三角片曲面重构

基于断层间轮廓线进行曲面重构是科学计算可视化的一个重要内容。本文利用链码理论对已获取的层间轮廓线进行编码,将二维的轮廓曲线转化为包含轮廓形状信息的一维链码;采用链码匹配技术完成相邻层轮廓特征点的匹配,将复杂轮廓线分割为若干简单的曲线段,最后,重构的曲面由这些分片构造的三角片曲面拼接而成。我们首先对模式识别中链码的串匹配算法作一个简要介绍,并详细分析讨论了其中的关键难点:编码,代价函数,链间距离,使其能够适用于我们的工作。实验表明该算法能够找出复杂轮廓线上恰当的对应特征点,从而构造出较真实的曲面。     

基于互信息准则的图像平滑和分割

在计算机视觉领域,尺度空间扮演着一个很重要的角色。多尺度图像分析的基础是自动尺度选择,但它的性能非常主观和依赖于经验。基于互信息的度量准则,文章提出了一种自动选取最优尺度的模型。首先,研究专注于基于形态学算子的多尺度图像平滑去噪方法,这种技术不需要噪声方差的先验知识,可以有效地消除照度的变化。其次,通过递归修剪Huffman编码树,设计了一个基于聚类的无监督图像分割算法。一个特定的聚类数从信息理论的角度来看,提出的聚类算法可以保留最大的信息量。最后,用一系列的实验对算法的性能进行了验证,并从数学上进行了详细的证明和分析,实验结果表明本文提出的算法能获得最优尺度的图像平滑和分割性能。     

3维建模中视频图像与磁跟踪器的多模态标定在微创手术中的应用

提出了一种全自动、多模态的信息融合解决方案用于配准视频图像和磁跟踪数据。该配准方案将用于内窥镜图像的三维数字成像系统以对人体的三维解剖结构的外观和尺度进行重建,特别是用于微创手术。多模态标定方法如下：首先医生将磁跟踪器插入并固定于内窥镜的工作通道;然后利用该器械组对一个棋盘格模板的各个视角进行若干秒的采集;内窥镜坐标和磁跟踪器坐标的相对关系（平移和旋转）就可以立刻得到。在手术过程中,磁跟踪器显示的读数将可以自动用来推算出内窥镜的坐标（位置和朝向）,并有利于重建器官的三维结构。虽然目前已有一些深入研究的算法用于从图像中推算相机的运动,他们通常非常容易受到图像分析、误差积累、结构形变等的影响。从实验结果分析可知,该方案提出使用磁跟踪器推算相机运动参数的方法可行且提高了精度。此外,该方法不需要特殊的训练或者昂贵的设备。     

基于Markov随机场的脑部三维磁共振血管造影数据的分割

文章提出了脑部核磁共振血管造影(Magnetic Resonance Angiography,MRA)的全自动分割方法,该方法有效增强了现有的基于Markov随机场(Markov Random Field,MRF)的分割技术。现有的三维Markov分割模型通常面临的挑战是:(1)低级MRF模型参数初始化不够准确;(2)普通的MRF邻域系统无法探测精细的血管结构。针对这两类问题,分别提出了基于多尺度滤波响应阈值分析和多模式邻域系统进行解决,使得MRF模型的血管分辨率提高到2个体素的细小血管。实验中,低级模型参数的精确估计采用了最大期望算法,高阶MRF参数的估计采用最大伪似然估计方法;通过三维仿真数据和实际脑部MRA数据进行验证,分割结果显示了较小的全局误差。