基于互信息量的医学图像自动弹性配准

本研究采取一种基于互信息量的分级自动选点方法选取对应特征点集。得到对应点集后 ,利用改进的薄板样条插值方法来进行弹性配准。用此方法 。

用无约束优化薄板样条实现平滑的医学图像弹性配准

医学图像弹性配准是医学图像处理的一个重要研究方向。目前采用的方法多是手动选择对应标记点 ,然后用薄板样条插值方法计算配准变换。由于对应点的选取总是存在误差 ,所以配准的准确性受到影响 ,而且手动选点操作繁杂、耗时大。为此 ,我们根据最优化理论 ,改进了薄板样条插值方法 ,并在此基础上采用了一种自动标记点选择方法。将这两者结合 ,我们得到了一种自动、准确、鲁棒性好的配准方法 ,运用此方法进行医学图像的弹性配准 。

医学图像信息融合技术的发展

医学图像信息融合是医学图像处理、放射医学及医学影像学领域近几年兴起的一种新技术。应用医学图像信息融合技术 ,可以把不同模态的医学图像有机地结合起来 ,为临床诊断和治疗提供更完善的图像信息 ,从而使医学图像能更好地为现代医学服务。本文对医学图像信息融合技术及其研究现状作了详细的介绍和综述 ,并对其研究前景作了预测。

一种基于模糊Gibbs随机场的运动估计新算法

运动估计问题具有不适定性 ,单纯采用最大后验概率算法 ,实际上并未解决运动矢量的不连续、矢量的失真与随机噪声等棘手问题。本文应用模糊数据融合与 Gibbs分布的基本思想 ,将运动场风险约束条件的概率分布模式有效地纳入阶段非凸函数 (GNC)算法的局部迭代过程中 ,从而提高了运动估计效果。首先建立 Gibbs的自适应能量模型 ,该模型可将基于特征和基于梯度的两类矢量按照优化约束条件进行融合 ;其次利用各种运动经验知识构造矢量的模糊风险决策表 ,该决策表可对 Gibbs能量方程的每一步迭代收敛结果进行监督和修正 ,从而实现模糊数据融合。从收敛性和鲁棒性两方面说 ,模糊融合后的结果在原有基础上有明显提高。