广义Jensen-Schur测度在医学图像配准中的应用

使用互信息或归一化互信息测度进行医学图像配准时,由于噪声、模态、插值等影响,测度函数存在许多局部极值,收敛范围较窄,有可能导致误配准。为了克服上述缺点,定义了广义Jensen-Schur测度,利用巴特沃思函数对自变量值的非线性压缩功能,成功地消除了PV插值伪极值点。从测度曲线光滑性、抗噪鲁棒性、收敛性能方面,对四种新构造的广义Jensen-Schur测度、互信息和归一化互信息进行了比较和分析。实验结果表明,新构造的JS22和JS23测度在以上三个方面的性能都优于其他测度。     

基于归一化互信息向量熵的多幅图像配准方法

提出了一种新的多幅图像配准方法,归一化互信息向量熵方法。这种方法先计算任意两幅图像间的联合概率分布,然后根据联合概率分布计算它们间的归一化互信息,把所有两幅图像组合得到的归一化互信息组成一个向量,最后计算该归一化互信息向量的熵。最大熵对应最佳配准位置。通过对人体脑部图像的刚体配准实验,从函数曲线、计算时间和配准精度方面,对新方法和其它三种方法进行了分析和比较。实验结果表明,新提出的方法可以提高配准精度、减少配准时间。     

模具CAD设计中装配图绘制模块的研究

该模块是以ＡｕｔｏＣＡＤ－１２为工作平台，利用Ａｕｔｏｌｉｓｐ为开发语言，采用平面优先级消隐算法。能绘制全剖面视图、半剖面视图和局部剖面视图，随机地对装配图中各个零件进行修改、移动、删除、比例缩放、方向变换、线型变换，随机调整各个零件之间的遮隐关系等功能。利用Ａｕｔｏｌｉｓｐ编程，可直接实现装配图的自动生成，并为用户提供良好的程序接口，大大提高了绘制装置图的质量和效率。     

基于多子窗口快速归一化互相关的肿瘤识别

对肿瘤进行快速准确地精细分割和生长监控是当前医学图像实时处理需要解决的一个问题,本文通过使用基于加和表的快速归一化互相关(FNCC)方法提高肿瘤识别速度,通过大子窗口技术提高肿瘤识别的正确度,通过多子窗口技术实现肿瘤的精细分割.对人体脑部核磁共振(MR)图像的肿瘤进行识别实验表明,本文方法可以很好地实现肿瘤的快速准确精细分割和生长监控.