基于边缘拐点的医学图像配准

利用控制点进行医学图像配准是医学图像处理领域的重要研究内容,其中控制点的选取是重点研究的一点。本文提出先将图像二值化,提取边缘,在边缘处利用边缘信息及其邻域内的信息提取拐点作为控制点。将变形图像和参考图像的拐点坐标分别作为网络学习的输入和输出样本,经过训练得到一组网络连接权参数,利用学习好的网络预测配准图像。以人脑CT图像为例,通过实验验证了算法的有效性。     

基于扩展的相位相关方法的医学MR图像子像素注册

本文将相位相关方法用于医学MR图像的位移注册,并将其精确到子像素级。传统的相位相关方法的思想是空域中的平移对应于频域中的标准相位差。该方法对于像素级的注册可以达到非常高的精确度,但不能得到子像素级的结果。而相位相关方法的扩展则适用于高精度的子像素级的注册。该技术的关键在于,如何利用已知的离散函数值估计出函数峰值的位置。实验结果显示了该方法的可行性和可靠性。本文只对注册中的平移计算提出讨论。