绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
万方知识发现服务平台
获取范围
  • 1 / 1
  (已选择0条) 清除 结果分析
找到 5 条结果
摘要:针对脑部图像中存在噪声和强度失真时,基于结构信息的方法不能同时准确提取图像强度信息和边缘、纹理特征,并且连续优化计算复杂度相对较高的问题,根据图像的结构信息,提出了基于改进Zernike距的局部描述符(IZMLD)和图割(GC)离散优化的非刚性多模态脑部图像配准方法.首先,将图像配准问题看成是马尔可夫随机场(MRF)的离散标签问题,并且构造能量函数,两个能量项分别由位移矢量场的像素相似性和平滑性组成.其次,采用变形矢量场的一阶导数作为平滑项,用来惩罚相邻像素间有较大变化的位移标签;用基于IZMLD计算的相似性测度作为数据项,用来表示像素相似性.然后,在局部邻域中用图像块的Zernike矩来分别计算参考图像和浮动图像的自相似性并构造有效的局部描述符,把描述符之间的绝对误差和(SAD)作为相似性测度.最后,将整个能量函数离散化,并且使用GC的扩展优化算法求最小值.实验结果表明,与基于结构表示的熵图像的误差平方和(ESSD)、模态独立邻域描述符(MIND)和随机二阶熵图像(SSOEI)的配准方法相比,所提算法目标配准误差的均值分别下降了18.78%、10.26%和8.89%,并且比连续优化算法缩短了约20s的配准时间.所提算法实现了在图像存在噪声和强度失真时的高效精确配准....
[专利] 发明专利 CN201810563047.7
中北大学 2018-10-26
摘要:本发明公开了基于ZMLD与GC离散优化的非刚性多模态医学图像配准方法,涉及医学图像处理技术领域,方法主要包括:分别计算参考图像I和浮动图像J基于Zernike矩的局部描述符ZMLD,使用图像I和J的ZMLD之间的绝对误差和SAD作为能量函数的数据项,采用位移矢量场的一阶导数作为平滑项,构造能量函数,利用图割法GC的α扩展优化算法求解离散化后能量函数的最小值,输出能量函数最小值对应的最佳位移矢量场,即配准后的图像。本发明解决了非刚性图像存在噪声和强度失真时,现有方法无法同时准确提取图像强度和边缘、纹理特征,连续优化计算复杂度相对较高且易陷入局部最小值的问题。实验表明,本发明方法提高了非刚性多模态医学图像配准的精度和效率。
[硕士论文] 王雁丽
计算机技术 中北大学 2019(学位年度)
[专利] 发明专利 CN201710259812.1
中北大学 2017-09-22
摘要:本发明公开了基于稀疏表示的改进耦合字典学习的脑部CT/MR图像融合方法,涉及图像处理技术领域,能分别对正常脑部、脑萎缩和脑肿瘤三组脑部医学图像进行融合,多次实验结果表明本发明提出的ICDL方法与基于多尺度变换的方法、传统稀疏表示的方法、基于K‑SVD字典学习的方法以及多尺度字典学习的方法相比,不仅提高了脑部医学图像融合的质量,而且有效降低了字典训练的时间,能为临床医疗诊断提供有效帮助。
[专利] 发明专利 CN201710259589.0
中北大学 2017-08-08
摘要:本发明公开了一种基于多层P样条和稀疏编码的医学图像配准方法,涉及图像处理技术领域,在P样条的基础上让网格控制节点由少变多,直至在某个网格密度下配准的误差最小,并使用基于图像块稀疏编码的相似性测度,不仅考虑了医学图像中存在灰度不均匀性造成的灰度偏移场,也考虑了像素之间的空间依赖性,同时使用K‑SVD算法,相比确定的字典,适用范围更广。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

万方选题

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部