【摘 要】
:
医学图像配准是信息科学、计算机图像技术与当代医学等多学科交叉的一个研究领域,已经在临床治疗与术前诊断中有了广泛的应用。但由于受噪声、图像细节畸变和模糊度等问题影
论文部分内容阅读
医学图像配准是信息科学、计算机图像技术与当代医学等多学科交叉的一个研究领域,已经在临床治疗与术前诊断中有了广泛的应用。但由于受噪声、图像细节畸变和模糊度等问题影响,配准效果不甚理想,为此本文将SVC引入医学图像配准。作为一种关注度很高的聚类方法,SVC具有较高的聚类精确度和聚类速度,很好地解决了上述问题。论文主要工作如下:(1)研究了基于特征的医学图像配准。无论是特征点还是轮廓,在图像配准过程中都只是侧重图像中的一部分信息。基于轮廓的配准方法可以快速地实现图像配准,但是处理远离轮廓区域的能力较差。而特征点具有很强的灵活性,可以分布在图像的任何位置,但缺乏对图像整体变形的控制。(2)图像预处理对配准精度及鲁棒性有很大影响,噪声信号使得一些组织的边界变得模糊,细微结构难以辨别,本文提出一种基于SVC的多窗口医学图像去噪方法。实验结果表明,该方法在滤除噪声、保持图像细节无畸变和模糊度低等方面有较好的效果。(3)提出一种基于SVC的多种特征医学图像弹性配准方法,利用轮廓特征与点特征共同引导图像配准。首先,在粗提取的轮廓点集中使用SVC聚类,确定轮廓中的关键点集,以保持图像边缘清晰;然后,在特征点集中使用SVC聚类,确定特征点的准确位置,以保持图像细节无畸变。SVC的应用减少了特征点和轮廓中关键点的数量,有效地改善了计算效率;同时,以特征点间距离与轮廓间距离的正反向累加和作为图像配准的相似性测度,提高了配准的精度和鲁棒性,补偿了图像间的差异。
其他文献
针对P2P流的识别问题,本文从P2P独有的通信网络拓扑结构出发,提出了基于通信网络拓扑结构的P2P流识别模型P2P-CNTIM。P2P-CNTIM使用P2P流的多主机特征和通信对端类型特征对P2P
计算机支持的协同设计(Computer Supported Cooperative Design, CSCD)已经成为网络环境下数字化设计与制造的关键技术之一,异构CAD系统的协同设计是其中研究的一个热点。以
随着网络的飞速发展,网络应用越来越多,丰富的信息资源在带给大家便利和娱乐的同时,也在对网络带宽提出挑战。如果不对用户的网络行为进行管理控制,网络带宽势必将被P2P、IM
网络信息时代的到来、多媒体技术和微电子技术的发展,使得许多传统媒体内容向数字化转变。由于音频、视频、图像等作品都能以数字形式获得,制作完美的拷贝和恶意的篡改变得十分
安全问题是网格计算技术的关键问题之一,特别是随着网格技术的商业化发展和普及,安全问题的解决更是迫在眉睫。本文的目的就是介绍解决网格计算中的安全策略特别是访问控制方面
XML(eXtensible Markup Language)己成为因特网上的数据存储、交换和表示的标准。随着XML应用的普及,越来越多的数据以XML的形式存储和交换,对XML文档中的数据进行查询的要求
跨企业项目是一项较复杂的系统工程,实施中受到各种资源和工序逻辑关系的约束,同时存在较多的不确定因素,这就要求项目调度具备一定的鲁棒性。但生产系统的运行却很难维持在
面对信息时代海量数据的出现,如何有效地利用巨量的原始数据分析现状和预测未来,已经成为人类面临的一大挑战。由此数据挖掘技术应运而生并得以迅猛发展。目前,数据挖掘的主
随着通信网络技术的迅速发展,Internet得到了迅速普及。与此同时,各种新的业务需求如远程教育、电视会议、远程医疗的产生对网络带宽又提出了新的挑战,传统地面网络已不能完全满
随着社会的发展,人们的活动范围越来越不确定,这给移动定位业务提供了无限商机和挑战。越来越多的移动定位业务需要更高的定位精度和更短的响应时间。由OMA(开放移动联盟)提出