-
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。
-
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。
-
-
-
Search Results
4
records
(took 0.014 seconds)
