-
Patent Agency Ranking
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。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
