构建MRI统计形变模型的子宫肌瘤超声图像分割方法

超声图像分割是实现高强度超声聚焦治疗中术中引导的重要步骤,而超声图像的低信噪比使得分割的结果往往不精确,易造成手术中聚焦区域有偏差.为此提出一种基于MRI先验形变模型的超声图像分割方法.首先分别从MRI图像集和超声图像集中训练基于特定病人的统计形变模型和初始化分割模型;然后利用超声图像中子宫肌瘤的部分显著性轮廓对分割模型进行初始化;最后使用统计形变模型对超声图像的分割结果进行约束,并对结果进行优化得到最终的结果.与其他分割方法进行比较的实验结果表明,该方法能够有效地提高高强度超声聚焦治疗的精度和效率.

基于单张人脸图像三维形状模型重建

在人脸图像识别优化的研究中,针对由单张人脸图像重建三维模型时对人脸图像姿态存在要求的问题,为了提高识别精度,提出基于单张人脸图像姿态预估计和主成分分析(PCA)的形状模型重建算法。首先由三维姿态估计方法得到人脸姿态,并建立人脸形状模型样本库,然后通过选取的特征点,利用主成分分析进行三维人脸形状模型的重构,最后利用径向基函数(RBF)变换和特征点坐标精确调整三维人脸形状模型,并进行仿真。仿真结果表明,重构的三维人脸形状模型效果良好,提高了精度,对有旋转姿态的人脸图像和特征点定位误差也有很好的鲁棒性。