-
公开(公告)号:CN107025650A
公开(公告)日:2017-08-08
申请号:CN201710259589.0
申请日:2017-04-20
Applicant: 中北大学
Abstract: 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。
-
公开(公告)号:CN108711168A
公开(公告)日:2018-10-26
申请号:CN201810563047.7
申请日:2018-06-04
Applicant: 中北大学
IPC: G06T7/33
CPC classification number: G06T7/344 , G06T2207/10088 , G06T2207/30016
Abstract: 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。
-
公开(公告)号:CN107194912B
公开(公告)日:2020-12-29
申请号:CN201710259812.1
申请日:2017-04-20
Applicant: 中北大学
Abstract: 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。
-
公开(公告)号:CN107025650B
公开(公告)日:2019-10-29
申请号:CN201710259589.0
申请日:2017-04-20
Applicant: 中北大学
Abstract: 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。
-
公开(公告)号:CN107194912A
公开(公告)日:2017-09-22
申请号:CN201710259812.1
申请日:2017-04-20
Applicant: 中北大学
Abstract: 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。
-
-
-
-