基于Demon算法的乳房核磁共振图像配准

为了提高乳房动态核磁共振成像中不同时间点序列图像的配准速度,提出了将快速的Demon非刚性配准算法与图像强度校正相结合的乳房图像配准模型。Demon算法本身基于图像强度变化计算变形参数,因此不适于强度动态增强的图像配准。首先根据乳房组织的信号增强模型应用多项式理论校正待配准图像的强度,再应用Demon算法进行几何变形配准。实验表明该算法在精度上远优于直接使用Demon算法,在与自由形变配准算法具有几乎相同配准精度的前提下,明显提高了配准速度。     

高校数字校园统一身份认证系统研究

高校数字校园的软件建设目标就是集成各种信息管理系统,构建安全、可靠、可扩展、易维护的综合管理平台。通过整合高校各部门现有的应用系统,建立CA(认证中心)和LDAP(轻量级目录协议)服务,实现统一身份管理与统一认证管理,实现单点登录,能够保证用户电子身份的唯一性、真实性与权威性。     

基于CUDA的数字重建影像生成算法

鉴于数字重建影像生成过程具有良好的并行性,实现了一种基于CUDA并行计算的数字重建影像生成算法。该算法首先在CPU端使用八叉树结构来剔除体数据中的空体素并将其载入GPU;然后在GPU中根据光线和线程的对应关系,设计光线内核函数来模拟一束X线穿透人体组织的衰减过程;最后在GPU中由多线程并行执行内核函数来完成DRR图像生成过程。实验结果表明,该方法在保证DRR生成质量的前提下能有效利用GPU的并行计算能力,提高DRR图像的生成效率,满足图像引导放疗中对DRR生成过程的实时性要求。     

基于肤色与模板匹配的人脸检测方法研究

利用肤色信息在彩色图像中检测人脸速度快、易于实现,但准确率不高。本文提出首先应用人脸肤色信息在彩色图像中进行人脸粗略检测,得到候选人脸区域,再以基于梯度模板匹配的方法进行人脸精确定位,从候选区中准确地找到人脸。将这两种方法结合在保证精确的人脸检测的前提下,可有效提高检测速度。     

ITK及其在医学图像分割中的应用

ITK(The Insight Toolkit)是一个开放的、面向对象的类库.它提供了强大的二维医学图像处理功能,主要用于医学图像的预处理、分割及配准.本文主要介绍图像分割的算法以及ITK在图像分割中的应用,并简要介绍一个基于ITK的医学图像处理的实现.     

基于变换域VGGNet19的红外与可见光图像融合

针对红外与可见光图像融合中出现细节信息丢失及边缘模糊的问题,提出一种在变换域中通过VGGNet19网络的红外与可见光图像融合方法。首先,为了使得源图像在分解过程中提取到精度更高的基础与细节信息,将源图像利用具有保边平滑功能的多尺度引导滤波器进行分解,分解为一个基础层与多个细节层;然后,采用具有保留主要能量信息特点的拉普拉斯能量对基础层进行融合得到基础融合图;其次,为了防止融合结果丢失一些细节边缘信息,采用VGGNet19网络对细节层进行特征提取,L1正则化、上采样以及最终的加权平均策略得到融合后的细节部分;最后,通过两种融合图的相加即可得最终的融合结果。实验结果表明,本文方法更好地提取了源图像中的边缘及细节信息,在主观评价以及客观评价指标中均取得了更好的效果。     

混合样条大尺度医学图像弹性配准算法研究*

针对大尺度形变医学图像配准速度慢和精度低的特点,提出一种结合薄板样条(TPS)和B样条的弹性配准方法。该方法采用尺度不变特征变换算法(SIFT)进行图像特征提取与匹配,利用TPS算法将特征点对作为输入进行预处理,以降低浮动图像的形变尺度,从而提高下一步B样条配准的速度与精度。然后使用局部区域细化层次B样条方法将TPS生成的较稀疏的形变网格作为初始网格,结合有限记忆优化算法(L-BFGS)对控制网格做进一步地处理,此过程只对形变较大的局部区域进行细化,以实现与参考图像的快速精确配准。实验结果表明,该方法较层次B样条方法有效地提高了配准的速度和精度。     

基于Fuzzy-RBFNN的多模医学图像融合方法研究

文中将模糊推理理论与径向基神经网络相结合构造了一个基于模糊推理的径向基神经网络（Fuzzy—RBFNN）应用于多模医学图像融合,并应用遗传算法训练网络获得网络参数,可自适应地完成多模医学图像融合。通过与基于梯度的金字塔融合方法的实验比较,证明了算法的有效性与可行性。     

融合量子克隆进化与二维Tsallis熵的医学图像分割算法

针对进化算法用于图像分割时收敛速度慢、易早熟的缺点,提出一种改进的量子克隆进化算法.首先利用量子空间的多样性丰富种群信息,在量子变异中根据适应度的不同对个体施以不同的混沌扰动,以克服量子门旋转方向单一、大小固定的缺陷,避免种群陷入局部早熟;然后利用克隆算子将最优个体信息扩充至下一代,以提高其局部寻优能力,加快收敛速度;最后将此算法用于寻找二维Tsallis熵的最佳阈值,实现了对图像的分割.实验结果表明,该算法有效地解决了进化算法收敛速度慢和容易陷入局部极值的问题,而且在分割速度和精度上得到了较大提高,分割效果良好,可以满足医学图像三维重建要求.