当前医学图像的特征匹配主要依靠像素灰度来完成,但是像素灰度对空间信息不敏感,当匹配图像之间存在灰度信息不均衡以及噪声干扰时,将导致误匹配率较高,对此,本文提出了一种基于移动队列规则耦合角度约束的医学图像匹配算法.首先,利用...当前医学图像的特征匹配主要依靠像素灰度来完成,但是像素灰度对空间信息不敏感,当匹配图像之间存在灰度信息不均衡以及噪声干扰时,将导致误匹配率较高,对此,本文提出了一种基于移动队列规则耦合角度约束的医学图像匹配算法.首先,利用高斯金字塔模型对源图像进行滤波预处理,以减少源图像中存在的噪声等干扰;再利用Harris算子对预处理后的源图像进行特征检测,获取图像的特征点;然后,利用SURF(Speed Up Robust Feature)特征描述子,获取特征点对应的特征描述子.并通过尺度空间理论获取特征点集,通过将特征点集进行排序来形成队列,从而设计移动队列规则,完成特征点的匹配;最后,通过求取匹配特征点间的夹角,形成角度约束模型,对匹配特征点进行提纯,剔除伪匹配特征点,使得匹配准确度得以提升.从仿真实验结果与分析可见,在对医学图像进行匹配时,本文所提出的方法具有匹配精度高、鲁棒性能好等特点.展开更多
为了解决模糊聚类-矢量量化算法都是强迫模糊分区转变为Crisp集合,降低码本质量,使重构图像丢失了丰富的边缘纹理信息;且其计算代价较高,以及严重依赖初始化等不足。提出了竞争聚类耦合码字定向移动的图像重构模糊矢量量化算法。引入竞...为了解决模糊聚类-矢量量化算法都是强迫模糊分区转变为Crisp集合,降低码本质量,使重构图像丢失了丰富的边缘纹理信息;且其计算代价较高,以及严重依赖初始化等不足。提出了竞争聚类耦合码字定向移动的图像重构模糊矢量量化算法。引入竞争聚类,基于C均值和模糊C均值,设计最优目标函数;结合拉格朗日乘子,推导出最优目标函数的聚类中心和隶属度的求解模型;定义迁移规则,构造了码字定向移动机制,使得小簇群向大簇群移动,形成更大的簇群;以失真度和相似度为评估准则,构造量化反馈机制,优化重构图像。仿真结果显示:与其他矢量量化机制相比,本文算法的编码图像相似度更高,PSNR(peak signal to noise ratio)最高,得到的重构图像质量最佳;且本文算法的时间成本最低。展开更多
文摘当前医学图像的特征匹配主要依靠像素灰度来完成,但是像素灰度对空间信息不敏感,当匹配图像之间存在灰度信息不均衡以及噪声干扰时,将导致误匹配率较高,对此,本文提出了一种基于移动队列规则耦合角度约束的医学图像匹配算法.首先,利用高斯金字塔模型对源图像进行滤波预处理,以减少源图像中存在的噪声等干扰;再利用Harris算子对预处理后的源图像进行特征检测,获取图像的特征点;然后,利用SURF(Speed Up Robust Feature)特征描述子,获取特征点对应的特征描述子.并通过尺度空间理论获取特征点集,通过将特征点集进行排序来形成队列,从而设计移动队列规则,完成特征点的匹配;最后,通过求取匹配特征点间的夹角,形成角度约束模型,对匹配特征点进行提纯,剔除伪匹配特征点,使得匹配准确度得以提升.从仿真实验结果与分析可见,在对医学图像进行匹配时,本文所提出的方法具有匹配精度高、鲁棒性能好等特点.
文摘为了解决模糊聚类-矢量量化算法都是强迫模糊分区转变为Crisp集合,降低码本质量,使重构图像丢失了丰富的边缘纹理信息;且其计算代价较高,以及严重依赖初始化等不足。提出了竞争聚类耦合码字定向移动的图像重构模糊矢量量化算法。引入竞争聚类,基于C均值和模糊C均值,设计最优目标函数;结合拉格朗日乘子,推导出最优目标函数的聚类中心和隶属度的求解模型;定义迁移规则,构造了码字定向移动机制,使得小簇群向大簇群移动,形成更大的簇群;以失真度和相似度为评估准则,构造量化反馈机制,优化重构图像。仿真结果显示:与其他矢量量化机制相比,本文算法的编码图像相似度更高,PSNR(peak signal to noise ratio)最高,得到的重构图像质量最佳;且本文算法的时间成本最低。