基于互信息的多模态医学图像配准研究

由于基于互信息的图像配准方法具有自动化程度高、配准精度高等优点,本文利用这一优点,根据图像配准的基本步骤设计出一个基于互信息的多模态医学图像配准算法。首先是采用三线性插值方法对图像进行插值处理,然后利用Powell优化算法,根据互信息值来判断Powell算法所获得的参数是否是最优参数解。最后仿真实验证明了该算法的有效性。     

基于小波分解和最大互信息的图像配准方法研究

研究了基于最大互信息图像配准的理论和实现算法,提出了将小波分解与之相结合的算法,证明了该算法优于基于最大互信息的图像配准。通过实验数据比较可以得出,提出的基于小波分解和最大互信息的图像配准的算法可以有效地提高配准的速度和具有较好的配准效果。     

基于边缘检测和最大互信息的医学图像配准算法

在临床上,使用多种成像技术并适当地将其加以融合,可为临床诊断和手术治疗提供更加全面准确的信息。而图像配准是融合技术中需要先期解决的问题,也是融合的关键部分。本文提出了一种基于DSP的医学图像配准问题的研究与实现的方案。该方案首先采用TI公司的高性能多媒体数字信号处理器DM642获取实时医学图像,再用配准算法验证其获取的实时医学图像配准的可行性。并采取了基于轮廓提取和最大互信息的方法进行图像配准,克服了互信息单一的利用图像灰度信息的局限性,将边缘检测与互信息相结合,较准确地完成图像配准任务。     

基于互信息的多模态医学图像配准技术研究

分析了互信息配准的物理基础和配准原理,提出了利用差图像熵的互信息测度,对多种具有代表性的互信息测度进行了比较,并用邻域信息对差图像互信息进行了改进.试验结果表明,与空域信息相结合的互信息测度具有更好的抗噪性.     

一种改进的最大互信息医学图像配准算法

给出了一种基于最大互信息和边缘互方差的医学图像配准算法．这种算法是在计算原始图像互信息之后，引入参考图像和浮动图像的边缘互方差值，从而建立起一个新的测度函数来指导寻优过程，最终实现图像配准。与传统的最大互信息配准算法相比，避免了单纯依赖图像联合直方图所造成的不稳定性，使配准能更加符舍图像的特点。实验证明，这种改进算法有以下优点：配准参数曲线峰值尖锐。易于选择出最优值；在图像灰度缺失的情况下配准有较高的准确性；在噪声方差增大的情况下配准有较强的鲁棒性。     

基于互信息的多模态医学图像配准技术研究

分析了互信息配准的物理基础和配准原理，提出了利用差图像熵的互信息测度，对多种具有代表性的互信息测度进行了比较，并用邻域信息对差图像互信息进行了改进。试验结果表明，与空域信息相结合的互信息测度具有更好的抗噪性。     

一种改进的基于互信息的三维医学图像配准算法

基于互信息的三维医学图像配准是配准的一大热点．本文提出的配准方法主要是对互信息测度的公式进行简化，修正了Powell算法的方向替换方法，保持了原搜索方向，提高了配准速度．合理的设置收敛阈值，并用多分辨率策略进行了图像配准测试．实验表明，改进后的互信息测度可以达到亚像素精度，而且在配准速度上有了明显提高．     

一种改进的最大互信息医学图像配准算法

给出了一种基于最大互信息和边缘互方差的医学图像配准算法. 这种算法是在计算原始图像互信息之后, 引入参考图像和浮动图像的边缘互方差值,从而建立起一个新的测度函数来指导寻优过程,最终实现图像配准. 与传统的最大互信息配准算法相比,避免了单纯依赖图像联合直方图所造成的不稳定性,使配准能更加符合图像的特点. 实验证明,这种改进算法有以下优点：配准参数曲线峰值尖锐,易于选择出最优值;在图像灰度缺失的情况下配准有较高的准确性;在噪声方差增大的情况下配准有较强的鲁棒性.     

基于互信息和单应性原理的图像自动配准研究

基于图像特征的配准是图像配准的一个主要研究方向。传统的基于特征的配准方法一般都存在着计算量大、复杂度高以及配准精度低等问题。该文提出了一种基于互信息和单应性原理的图像自动配准方法。该方法首先利用harris算子提取角点,然后通过互信息粗匹配和RANSAC精匹配得到一对一的匹配角点对,最后根据匹配角点对计算出对应的单应矩阵来实现图像配准。为相互间满足刚体变换关系的图像之间的配准提供了一种新的思路。     

一种利用互信息的多核并行医学图像配准算法

分析了利用互信息作为相似性测度进行医学图像配准的算法,给出了具体计算流程.针对其中互信息计算量大、耗时长的缺点,提出了一种运行于单机多核平台的快速并行配准算法.利用OpenMP（open multi-processing）构建了一个图像匹配的多核并行计算平台,并对配准程序中的互信息计算进行并行处理,最后完成配准.通过对图像匹配算法效率进行的评估实验,验证了多核并行计算技术能够提高医学图像配准的运行效率.结果表明,该方法既保证了配准精度,又能够较好解决配准速度慢的问题.     

一种基于互信息与梯度的图像精确配准方法

提出一种利用基于梯度加权的灰度归一化互信息相似性测度,并采用凹函数递减的权衡比重的粒子群优化算法作为搜索策略的多模图像精确配准方法。传统的基于灰度互信息配准方法往往只考虑灰度相关性,忽略或不当引入图像空间特征信息,配准容易陷入局部极值,从而出现误配。将灰度与梯度特征有效融合,即梯度加权到灰度互信息中,同时考虑了2幅图像的灰度统计相关性和图像空间特征信息,提高了多模图像配准的精度与稳定性。通过对遥感图像的拟配准与MR-PET医学图像的实际配准,证明了该方法效果良好,算法稳定,配准的准确率和参数精度都得到明显的提高。     

基于功能磁共振的情绪脑机制研究

为探讨不同效价情绪图片的加工特点,考察被试在对不同效价的情绪图片加工时脑半球上的差异,利用脑功能磁共振成像技术,对情绪加工实验的被试进行数据采集,并对采集的数据用统计参数映射技术进行处理分析。研究发现情绪刺激加工的过程中,脑激活区域明显和前额叶,顶叶相关,而且是情绪功能相关联的主要位置。这表明人类情绪的反应并不仅仅是由边缘系统控制,在情绪刺激作用下,整个丘脑系统,边缘系统都参与其中进而形成一本复杂的情绪中枢机制。     

DMVC中基于图像配准的空域边信息重建算法

针对分布式多视点视频编码系统,本文利用视点间存在的固有的对极几何关系计算空域边信息。在此过程中,所得的对极几何的准确度直接影响边信息的质量以及边信息计算中运动搜索范围的大小。为了更准确的估计视点间的对极几何关系,本文提出了基于图像配准的匹配点对优化算法,在对特征点对进行坐标优化调整的同时,剔除了部分相关性小的匹配点对,提高了其匹配精度。将本文的算法所得到的视点间对极几何关系用于分布式多视点视频编码系统中计算空域边信息,并对系统仿真测试。实验结果分析表明：加入了本文提出的特征点对优化算法后,直接通过在对极线上搜索所获取的边信息质量提升超过了2dB;若将搜索范围往对极线垂直方向上扩张,在保持相似重建质量的前提下,基于本文算法的搜索复杂度降低到原来的10%-20%;与同等条件下的MCII算法相比性能提升约0.2~0.7dB。     

一种基于蚁群算法和互信息测度的图像拼接技术

以图像间的互信息为基础,通过计算图像的信息熵来获得2幅图像的匹配区域。利用互信息量测度函数作为蚁群算法的适应值函数,通过蚁群迭代寻找最优的匹配区域。与SIFT拼接算法进行比对实验。实验结果表明,本文算法具有良好的拼接效果和较高的拼接效率。     

基于图像生成的多模态视网膜图像配准方法

针对多模态视网膜的全局粗配准,提出了一种基于图像生成的多模态视网膜配准方法. 不同于当前主流的提取多模态视网膜图像血管再进行配准的方法,使用GAN模型对不同模态的视网膜图像进行像素级映射,再通过特征点匹配的方式计算图像仿射矩阵,实现图像粗配准. 基于彩色眼底图像与荧光素血管造影图像的实验结果表明,该方法与当前主流的视网膜粗配准方法相比,具有快速且鲁棒的优势.