基于边缘正则化小波描述的多传感器图像自动配准研究

本文提出了一种新的基于边缘的多传感器图像的自动配准方法,在本方法中,首先提出了一种基于正则化小波描述子的边缘描述方法,这种正则化小波描述子具有平移、旋转、尺度不变性;其次,在边缘匹配算法上,根据最小距离分类器原则提出了边缘匹配判据,并提出了一种基于小波系数域的快速边缘匹配算法,且进行算法复杂性分析;最后,从匹配成功的边缘中抽取匹配控制点并采用一致性检验方法来去除错误匹配点。讨论了图像变换模型与基于最小均方根误差准则的图像变换参数估计。该算法匹配精度高、运算速度快。实验结果验证了这种方法的有效性与实用性。

基于边缘约束和边缘吸引力场正则化的多目标轮廓提取算法

拓扑自适应模型是一种有效的多目标轮廓提取算法．但在MR脑图像的应用中却遇到了许多问题。针对该模型所存在的问题．提出一种基于边缘约束和边缘吸引力场正则化的多目标轮廓提取算法。算法利用关于目标轮廓的位置信息和区域信息对切片图像的边缘吸引力场进行边缘约束．得到仅包含目标的边缘图．从而减少相邻结构的边缘对曲线收敛的影响。同时．对进行边缘约束之后得到的边缘吸引力场进行正则化处理．扩大轮廓的搜索范围．增强轮廓模型对凹边缘的搜索能力和对断裂边缘正确提取的能力。实验证明．该算法可以快速有效地在MR脑图像中提取目标轮廓。

一种新的用于MR脑图像分割的主动轮廓模型

主动轮廓模型是一种有效的基于边缘的分割方法,然而,在MR脑图像的应用中,它却遇到了许多问题,例如背景复杂,同一解剖结构的灰度分布不一致以及边界不连续等。这里提出了一种新的用于MR脑图像分割的主动轮廓模型。该模型不仅利用关于目标轮廓的先验知识对切片的边缘吸引力场进行边缘约束,减少相邻结构对曲线收敛的影响,还对进行边缘约束之后得到的边缘吸引力场进行正则化处理,增强模型对凹边缘的搜索能力和对断裂边缘正确提取的能力。实验证明,该模型可以克服传统主动轮廓模型在MR脑图像遇到的难题,从而快速有效地在MR脑图像中提取目标轮廓。