-
公开(公告)号:CN117893585A
公开(公告)日:2024-04-16
申请号:CN202410061789.5
申请日:2024-01-16
Applicant: 安徽大学
Abstract: 本发明涉及一种基于域泛化表征学习的三维生物图像跨模态配准方法,包括:获取目标图像特征点集,得到待配准图像初始点集;得到第一特征块和第二特征块;提取域泛化特征,并计算第一特征块和第二特征块之间的相似性分数;计算搜索距离内所有搜索点的得分,再由所有搜索点的得分计算待配准图像初始点集的位移;得到待配准图像上新的特征点集,再返回步骤(2)中进行优化,直到待配准图像初始点集找到与目标图像特征点集的最佳匹配位置,得到待配准图像最优的匹配点集;对待配准图像进行形变,得到配准后的三维生物图像。本发明能够在不同模态图像之间实现无缝切换,可以配准更高分辨率的显微图像,从而提高了配准的精度和可用性。
-
公开(公告)号:CN117078609A
公开(公告)日:2023-11-17
申请号:CN202310980524.0
申请日:2023-08-07
Applicant: 安徽大学
Abstract: 本发明涉及一种基于局部和全局联合约束的三维生物图像形变方法,包括:获取整体匹配点集;根据标签索引信息ind计算局部约束;计算全局约束;计算基于局部约束与全局约束的下采样位移场DF;计算三次B样条基函数矩阵;得到最终生成的位移场DF_whole;进行三维生物图像形变,得到形变后的三维生物图像。本发明利用生物图像解剖图谱进行局部与全局联合约束的下采样位移场计算,以及通过滑动三次B样条基函数矩阵的影响区域对进行下采样位移场块进行插值及平滑操作,得到最终位移场并进行三维生物图像形变;本发明生成局部与全局相联系的平滑位移场,能够有效提高生物图像形变及配准过程中局部形变的精度,同时做到整体形变效果平滑。
-
公开(公告)号:CN117893435A
公开(公告)日:2024-04-16
申请号:CN202410056608.X
申请日:2024-01-16
Applicant: 安徽大学
Abstract: 本发明涉及一种基于CUDA加速的超大三维生物图像条纹噪声去除方法,包括:根据三维图像的二维序列切片,构建频域高斯带状陷波滤波器;将三维图像的二维序列切片进行分块,得到多个图像块;利用CUDA实现快速傅里叶变换,得到图像块的频域图;进行滤波;利用CUDA实现快速傅里叶逆变换,得到图像块的空间域图;将每个图像块的空间域图拼接成原始图像尺寸;对原始图像尺寸的空间域图图像的背景进行处理。本发明利用对原始图像分块的原理,加速图像空间域和频域互相转换的计算过程,对超大三维图像进行条纹噪声去除的同时,又有效地提升了运行效率;可以对TB级别的超大三维图像数据进行条纹噪声去除,并获得了大约9倍的加速比,极大的缩短了处理时间。
-
-