|
|||||
|
|
| 基于改进K-Means聚类医学图像配准 | |
| 作者单位： | ;1.湖南邮电职业技术学院互联网工程系;2.国网湖南省电力公司检修公司 |
| 摘 要： | ICP算法广泛应用于医学图像配准,但存在浮动点集初始平移矩阵和旋转矩阵对ICP的影响较大,图像配准容易造成目标函数陷入局部最优值且计算量大等问题。论文提出了基于改进K-Means聚类医学图像配准算法,该方法通过计算出参考图像和浮动图像的质心,获得配准平移初始值;对医学图像坐标进行中心化处理,通过改进的K-Means聚类方法把图像坐标聚成2类;把这2个聚类中心拟合成一条直线,求得该条直线的斜率,进而求得相关倾斜角,获得配准旋转初始值;使用BSGO自动选择特征点,得到参考点集和浮动点集。通过实验得出该算法既可用于单模态图像配准,也可用于多模态图像配准;具有运算量少、图像配准速度较快、计算比较简单、精确度较高等特点,并且解决了图像配准容易陷入局部最优的问题。 |
| 关 键 词： | 图像配准 K-Means聚类 质心 迭代最近点 |
Medical Image Registration Based on Improved K-Means Clustering |
|
| Abstract: | |
| Keywords: | |