首页 > 文献资料
-
混合角点检测算法用于脑磁共振图像配准
目的 针对现有角点检测算法的不足,提出结合Harris、Susan的混合角点检测算法,并应用于脑MR图像配准中.方法 首先通过Harris算子、Susan算子分别提取图像中Harris角点和Susan角点；然后对Harris角点和Susan角点取并集；通过引入两个加权因子ω1和ω2,分别对Harris角点响应值与Susan角点响应值进行加权计算,获得其角点强度,从而筛选出新的角点集合；通过归一化相关法和投票策略筛选出精确匹配的角点对；后采用Powell算法进一步优化,获得图像终配准参数值.结果 混合角点检测算法应用于脑MR图像配准能获得较高的配准精度和较好的稳定性.结论 相比于目前的角点检测算法,本文算法更适用于脑MR图像配准.
-
基于Harris角点检测的图像配准新算法
为提高基于角点的图像配准算法的配准精度，提出一种关于点之间的相对位置函数来精确地确定角点匹配点对。首先，利用Harris算子检测图像中的角点，通过聚类法对提取的角点粗筛选，删除大部分错误匹配点，然后运用相对位置函数作为精确匹配准则，后对待配准图像进行仿射变换，从而实现图像配准。实验结果表明，与传统的配准方法相比，该方法具有有效性和精确性，实现了良好的配准效果。
-
基于Harris算子和K-means聚类的红外图像脸部特征自动定位
目的 研究一种红外医学图像处理与分析方法,实现红外人脸图像中特征区域的自动定位.方法 针对红外正面脸部图像,采用一种无监督的局部和全局的特征提取方法,首先通过阈值法区分出前景和背景,并根据面部特征对称性在前景中确定鼻区;然后在面部确定一个包含所有特征的矩形区域,利用Harris算子在该区域检测出角点,并找出这些点的局部大值点;后用K-means方法对这些点进行聚类.结果 100幅临床图像的实验表明,该方法可实现红外人脸图像中眼、鼻、口的自动定位,并能够准确划分脸部的特征区域.结论 本文所建立的图像分析方法可快速、简捷地实现红外图像面部特征自动定位,且重复性较好、可信度较高.
-
基于归一化转动惯量的显微图像拼接算法
通过对常用图像拼接方法的研究,针对显微图像的特点,提出了一种显微图像的快速拼接算法.该法以基于归一化转动惯量的不变性特征来实现特征点的匹配,并以统计方式获得图像间的平移量.实验结果表明,该算法可实现显微图像快速、有效的拼接.
关键词： 图像拼接 Harris算子 归一化转动惯量(NMI)
