基于人工蜂群算法的SPECT-B超甲状腺图像配准

为了提高甲状腺肿瘤检出的准确率,提出一种基于人工蜂群算法的SPECT和B超甲状腺图像配准。首先,针对来自两个不同成像设备的SPECT和B超甲状腺图像灰度差异大的特点,使用NSCT和GCBAC相结合的方法提取B超图像感兴趣的轮廓特征,用KFCM的方法提取SPECT图像的轮廓特征;然后以互信息作为相似性测度,建立仿射变换模型,并以改进的人工蜂群算法作为优化策略来优化配准所需的空间变换参数。实验结果表明,该方法可以有效提高配准速度,具有较好的配准效果。     

基于图割与改进水平集的目标提取方法

在Li模型的基础上引入C-V模型外部能量项重新构造能量函数,给出一种结合区域与边缘信息的变分水平集模型,结合基于图割理论的GCBAC算法,提出一种图割与改进变分水平集结合的目标提取方法。该方法能够让2种模型有机结合达到优势互补的效果。实验结果表明,该方法具有快速、鲁棒、抗噪性强等优点。