首页 > 文献资料
-
基于图像配准的复杂背景下自动目标识别算法
提出了一种基于图像配准的自动目标识别算法,图像配准算法采用基于归一化互信息相似性判据,并采用模糊自适应粒子群优化算法作为搜索策略.在图像精确配准的基础上,通过图像间的相互转换,间接实现了目标的准确识别.仿真试验结果表明,该方法可以实现复杂背景下目标的准确识别.
-
噪声对三维图像归一化互信息配准的影响
在三维图像配准方法中,归一化互信息法精度高、鲁棒性强、使用范围广.本文以归一化互信息为相似度对三维图像进行了配准,并采用了蒙特卡罗(MC)的方法研究噪声对三维图像配准的影响.实验发现,噪声的存在会造成归一化互信息的统计误差,使归一化互信息变小.为了消除噪声的影响,根据图像的灰度直方图,本文提出一种将灰度直方图进行区域分割后再配准的方法,减小了噪声造成的灰度值涨落和统计误差.研究表明,该方法可抑制噪声的影响,改善局部极值,减小误匹配,从而提高了归一化互信息,进一步完善了基于归一化互信息的图像配准.
-
全局异常信号环境下基于体素灰度多模医学图像配准研究
目的在全局异常信号环境下,找出适合于临床应用的、满足精度和鲁棒性要求的基于体素灰度多模医学图像配准相似性测度.方法结合对各种相似性测度的分析,对无异常信号的实际医学图像,和分别加了随机噪声及全局异常信号的多模医学图像进行配准精度的分析.结果对各种已有成熟的相似性测度进行理论分析和实验对比研究的基础上,归一化互信息在全局异常信号环境下对多模医学图像进行配准,它们的配准精度和鲁棒性表现都令人满意,能得到准确的配准结果.而基于相关比和互信息的配准方法,不能准确地配准加了全局异常信号的多模医学图像.结论相比于其他相似性测度,归一化互信息在全局异常信号环境下,是一个能满足配准精度和鲁棒性要求的合适相似性测度.
-
一种改进的条件方差和医学图像配准
多模医学图像配准是将不同医学成像模式提供的影像信息进行融合的关键步骤.条件方差和(SCV)是一种新的用于多模图像配准的相似性测度,但SCV的主要缺点是它仅使用量化信息来计算联合直方图.基于此,设计了一种新的插值函数来计算联合直方图,从而提高SCV的性能.将改进后的SVC用于多模医学图像配准,并与归一化互信息(MI)、交叉累积剩余熵(CCRE)和原SCV进行了比较.实验证明,相比NMI、CCRE和原SCV,本研究方法能配准具有不同空间变换和噪声的图像,具有更高的配准成功率和鲁棒性.
-
基于互信息的医学图像配准实验
基于互信息的配准方法,包括互信息和归一化互信息方法,是目前医学图像配准中无创、自动且精度很高的一种方法,已经被广泛应用.但是在其目标函数中存在着一定程度的幅值振荡现象,特别是在单模态图像配准中.我们研究发现,产生这种振荡的原因除了插值赝像外,还有由配准过程中图像重叠部分发生变化而引起的熵的变化不确定性.由插值赝像所带来的振荡基本上可以被消除掉;由熵的变化不确定性所带来的振荡很难被消除,但是这种振荡作用在归一化互信息中影响不大.归一化互信息比互信息具有更高的稳健性,适合于更广的应用范围.
-
基于互信息的多分辨率三维脑图像配准方法
在3D多模医学图像的配准方法中,大互信息法精度高、鲁棒性强、使用范围广.本文将归一化互信息作为相似性测度,采用不同的采样范围和采样子集,使用Powell多参数优化法和Brent一维搜索算法对3D CT、MR和PET脑图像进行了刚体配准.为了加快配准速度,使用了多分辨的金字塔方法.对PET图像采用基于坐标的阈值选取方法对图像进行分割预处理,消除了大部分放射状背景伪影.美国万德贝尔大学对结果进行的评估证明配准精度可达亚体元级.
