项目名称: 基于全投影域的医学图像多分辨率非刚性配准方法研究

项目编号: No.61202141

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 计算机科学学科

项目作者: 魏宁

作者单位: 三峡大学

项目金额: 24万元

中文摘要: 现代影像医学中有一大类图像的获取方式是通过恢复目标物体360度投影数据而得到的。本项目针对此类图像的成像特点,以脑图像非刚性配准问题作为研究对象,研究完全通过对投影域中原始数据的处理达到对恢复后时域中图像的非刚性配准。主要研究内容包括:(1)将域中所存在的仿射变换映射至投影域,在投影域中对平移旋转等参数进行解耦,并进行鲁棒性估计;(2)在投影域中构造合理的映射函数与测度函数模型,完成时域中非刚性配准,并通过建立投影域多分辨率金字塔进行加速;3)在投影域中通过对称非刚性配准完成脑图像的中切线提取。相比传统方法的优势在于:首先可以有效避免对时域图像进行配准时由于恢复算法本身存在精度不足的缺陷而导致最终配准结果的误差扩散;另外利用360度的投影数据可以将时域中的旋转变换转换为投影域中的平移变换,因此能有效提高配准参数求解效率。

中文关键词: 图像配准;投影域;联合去噪;交叉双域滤波;

英文摘要: There are a kind of images in the Medical Imaging field are obtained by recovering the projecting data getting from 360 degrees to the object. Taking the advantage of the obtaining characteristics for this kind of images and focusing on the problem of non-rigid medical image registration, the main study of this project is to accomplish non-rigid registration for two images in the time domain only by processing their data in the projection domain. The study includes three main parts:(1) To decouple the relationship of the parameters after mapping the affine transformation from the time domain to the projection domain under the hypothesis of disturbance from non-rigid transform, and then to robustly estimate the parameters. (2) To build reasonable model for the non-rigid mapping and Similarity Metric Functions in the projection domain, and then to accomplish the registration with them. We will also build multi-resolution image pyramid in the projection domain to speed up the processing. (3) To extract the neuroimage Mid-sagttal line by self symmetry based non-rigid registration only in projection domain. Compared with the traditional method, registering in the projection domain has two advantages. Firstly, it can avoid the registration error diffused from the image recovering process from projection domain to the

英文关键词: Image Registration;Projection Domain;Joint Denoising;Cross Dual domain filter;

成为VIP会员查看完整内容
0

相关内容

图像配准是图像处理研究领域中的一个典型问题和技术难点,其目的在于比较或融合针对同一对象在不同条件下获取的图像,例如图像会来自不同的采集设备,取自不同的时间,不同的拍摄视角等等,有时也需要用到针对不同对象的图像配准问题。具体地说,对于一组图像数据集中的两幅图像,通过寻找一种空间变换把一幅图像映射到另一幅图像,使得两图中对应于空间同一位置的点一一对应起来,从而达到信息融合的目的。 该技术在计算机视觉、医学图像处理以及材料力学等领域都具有广泛的应用。根据具体应用的不同,有的侧重于通过变换结果融合两幅图像,有的侧重于研究变换本身以获得对象的一些力学属性。
【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
【博士论文】基于深度学习的单目场景深度估计方法研究
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
28+阅读 · 2021年6月4日
专知会员服务
38+阅读 · 2021年3月29日
【AAAI2021】基于双任务一致性的半监督医学图像分割
专知会员服务
30+阅读 · 2021年2月7日
专知会员服务
77+阅读 · 2020年12月6日
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
基于深度学习的医学图像半监督分割
CVer
14+阅读 · 2020年9月24日
【泡泡点云时空】完美配准:具有平滑密度的3D点云配准
泡泡机器人SLAM
61+阅读 · 2019年5月16日
PFLD:简单高效的实用人脸关键点检测算法
PaperWeekly
20+阅读 · 2019年4月17日
CVPR 2018 论文解读 | 基于GAN和CNN的图像盲去噪
PaperWeekly
13+阅读 · 2019年1月22日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
独家 | 光流与行为识别的结合研究
AI科技评论
12+阅读 · 2017年12月29日
深度图像先验:无需学习即可生成新图像
论智
45+阅读 · 2017年12月4日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
65+阅读 · 2021年6月18日
小贴士
相关VIP内容
【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
【博士论文】基于深度学习的单目场景深度估计方法研究
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
28+阅读 · 2021年6月4日
专知会员服务
38+阅读 · 2021年3月29日
【AAAI2021】基于双任务一致性的半监督医学图像分割
专知会员服务
30+阅读 · 2021年2月7日
专知会员服务
77+阅读 · 2020年12月6日
相关资讯
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
基于深度学习的医学图像半监督分割
CVer
14+阅读 · 2020年9月24日
【泡泡点云时空】完美配准:具有平滑密度的3D点云配准
泡泡机器人SLAM
61+阅读 · 2019年5月16日
PFLD:简单高效的实用人脸关键点检测算法
PaperWeekly
20+阅读 · 2019年4月17日
CVPR 2018 论文解读 | 基于GAN和CNN的图像盲去噪
PaperWeekly
13+阅读 · 2019年1月22日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
独家 | 光流与行为识别的结合研究
AI科技评论
12+阅读 · 2017年12月29日
深度图像先验:无需学习即可生成新图像
论智
45+阅读 · 2017年12月4日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员