基于变半径球的数据压缩

逆向工程中的点云数据压缩正受到越来越多的关注。它是模型重构和配准的基础。点云数据压缩后,可以改善重构以及配准的速度。在保持原始点云形状的基础上,提出了一种数据压缩算法。首先计算每一点处的法向量并且通过相邻点法向量间的关系去除坏点,然后计算每一点的曲度,最后通过移动球检测控制点并且简化点云。实验表明该算法在保持点云几何形状的同时,能够有效地降低点云数量。     

基于GSO算法与互信息的医学图像配准

医学图像处理过程通常包括图像预处理、特征提取、图像分类,Harris角点检测算法是常用的特征点提取算法之一。该算法适应多种变换、运算简便,在医学图像处理领域中广泛应用,但在实际应用中发现传统的Harris算法检测到的特征点数量不足且图像配准精度不高。因此提出了一种优化算法（GM-Harris算法）,即采用群搜索优化算法（GSO算法）与互信息相结合的方式优化传统Harris算法的过程,并从匹配有效率与算法效率两方面对2种算法的特征点提取效果进行了定量分析。实验结果表明,与传统的Harris算法相比,GM-Harris算法不但可以获得较充足的特征点,而且还能提高图像配准的精度。     

基于数字化可视人数据集的医学图像配准研究

目的:采用医学图像配准技术,对中国数字化可视人数据集进行准确、高效的配准。方法:①图像Lab色度空间变换和二值化;②图像分割和特征量提取;③构造坐标变换矩阵;④图像序列配准变换。结果:配准后的图像序列中,人体解剖结构在空间和结构上实现了精确的匹配对应。进行三维重建后,几何模型外表面具有较高的光滑度,说明方法有效、可靠。结论:采用特征提取和快速坐标变换的配准方法可较好地应用于数字化可视人数据集的图像配准。     

基于网格的运动统计特征配准算法在医疗服务机器人中的应用

目的 针对医疗服务机器人目标识别中特征匹配准确率低、实时性差等问题,提出一种基于评分框架的基于网格的运动统计（SF-GMS）特征配准算法。方法 SF-GMS算法使用网格对特征点邻域进行分割,统计每个邻域中特征点的数量,设置评分框架函数,根据邻域特征点数量和评分阈值判断特征匹配准确性。结果和结论 与典型性特征配准算法随机采样一致性（RANSAC）算法相比,SF-GMS算法能有效提高特征成功匹配率,并具有较好的实时性;对光照视角、遮挡、仿射、比例尺度缩放和旋转等环境变化具有较好的稳定性,能满足模拟医院病房场景下服务机器人自主导航的需求。     

基于互信息和模拟退火算法的多模式医学图像配准

目的 实现CT－MR多模式医学图像配准。方法 提出了一种基于互信息和模拟退火算法的医学图像配准方法,对多模式医学图像,运用信息论的基本概念：互信息（MI）”作为匹配标准,使用改进的模拟退火算法作为优化准则,通过求解两幅图像的最大互信息量搜索最佳匹配参数,对待配准图像进行变换,从而到配准的目的。结果 我们把此方法应用于CT和MR图像的三维刚性配准,取得了较好的配准效果。结论 该方法匹配精度和鲁棒性比较高,其中模拟退火算法克服了其他搜索算法容易陷入局部极大值的弊病,是一种比较有效的配准方法。     

CT图像配准算法的研究与实现

将CT片图像准确地配准,是连续CT断层图像三维重建的重要步骤.它直接影响着重建结果和参数计算的准确性.本文针对常规配准算法的不足,提出了一种新的匹配点对位的配准算法.这样不仅简化了配准算法,还提高了精度和效率.对此进行了相关的实验,得到了较好的效果.     

基于骨架特征的超声图像帧间弹性配准

为了在三维超声重建的过程中消除相邻帧之间的位移以及弹性变形,本实验采用了了基于骨架特征的弹性配准。本文提出了一种结合形态学骨架和测地距离骨架求取算法的骨架自动跟踪算法,能够提取出体现图像特征的连通骨架。应用多次求取曲率梯度极大点的算法,可自动对该连通骨架进行特征点提取。在根据骨架重心点对二维图像进行初步配准之后,即可根据骨架特征点对二维图像进行基于径向基函数的弹性配准。实验结果证明,这种基于骨架的弹性配准和传统的基于特征的刚性配准相比不但能够消除获取过程中带来的帧间差异,还能保留器官不同位置的自然形状差别,对于三维重建过程中的图像配准具有很大的实用价值。     

基于SIFT和RANSAC的特征图像匹配方法

针对目前普通图像匹配抗干扰能力不强的问题,将尺度不变特征变换（SIFT）和随机采样一致性（RANSAC）算法结合,提出了一种适应性强的图像匹配算法。首先对图像进行SIFT特征提取,利用最优节点优先搜索并计算最近邻特征向量与次最近邻向量间的欧式距离比来加速完成特征点对预匹配。在此基础上引入随机抽样一致性（RANSAC）算法去除不可靠的匹配对。最后根据匹配点对计算出图像间透射变换的参数。实验结果表明：该匹配算法具有尺度、旋转不变性以及一定的仿射不变性、抗干扰性,可以实现目标物体匹配。     

基于控制体的两步法图像配准(英文)

目的为了提高放射治疗中对运动器官照射的准确性,改善放疗中剂量分布的效果,开发了一种鲁棒的基于控制体的图像配准算法。方法算法将控制体的自动匹配和薄板样条结合起来,提高了弹性配准的准确性。还研究出了控制体的双向匹配方法,进一步提高算法的精度。结果采用临床图像对两步法进行了验证,即使在大变形的情况下也是有效的,说明算法是鲁棒和通用的。结论所提出的算法提供了比手动选取标志点以及单步配准算法更方便、更鲁棒的解决方案,它将有助于实现放疗中自动配准的目标。     

改进Demons算法的验证及其在4D-CT轮廓线推衍中的应用

目的 研究一种改进的Demons变形配准算法,验证算法的有效性,评价配准算法的精度,并将其应用于4D-CT轮廓线的推衍.方法 为加快收敛的速度和提高配准精度,将Demons算法的双向作用力进行重分配,并提出一个能量函数作为相似性测度,利用BFGS优化算法对能量函数进行优化,避免了经典算法中需指定迭代次数的缺陷.分别利用模拟形变CT图像与变形模体,分析和测量了配准算法的精度,并对该算法在4D-CT轮廓线推衍中的应用进行了评价.结果 改进后的Demons算法与经典的Demons算法以及类似的变形配准算法相比,有较高的配准精度,推衍生成的轮廓线与人工勾画的轮廓线匹配程度高.结论 变形配准是4D-CT中的一项关键技术,改进后的Demons算法应用于轮廓线的推衍有望大大治疗计划设计的轮廓勾画工作量,其配准精度能满足实际临床的需要.     

基于刚-弹性变换的医学图像塔式配准新算法

提出了利用B样条实现医学图像从刚性到弹性配准的统一的塔式算法。选取图像的四个顶点作为构成变形函数的B样条的节点，合理选择B样条的次数，可以实现图像的仿射变换。沿X和Y方向均匀增加节点数量，逐步增加变形函数的复杂性，通过选择B样条的不同的次数n，可以实现图像的分块仿射变换或n-1阶导数连续的弹性变换。整个匹配算法体现了从整体到细节的匹配思想。实验证明，这种配准方法比单纯的弹性配准方法鲁棒性有很大提高。     

基于改进Demons算法的非刚性配准及其在肿瘤放疗中的应用

目的提出一种改进的Demons非刚性配准算法,验证算法的有效性,并将其应用于图像引导放射治疗(image-guidedradiotherapy,IGRT)中治疗图像和计划图像的配准。方法基于Brox等提出的梯度恒定假设和Malis的高效二阶最小化算法的思想,将图像灰度梯度场的相似性加入原始的能量函数中,推导出更新变形场的公式。利用有限内存的BFGS算法优化能量函数,自动确定迭代次数。分别利用模拟形变图像、变形体模图像和肝癌病人的临床CT图像验证改进算法的配准精度。结果改进的Demons变形配准算法与原始的"Additive Demons"算法相比,配准精度更高,收敛速度更快。结论在放射治疗的不同分次扫描过程中,因实际扫描条件的影响,两幅待配准图像像素灰度值范围不同的情况下,改进的Demons算法能够更好地实现快速精确的配准。     

物体三维断层点云重建的光幕测量方法

针对嵌入式点云显示的复杂性、运算效率低、算法理论少、应用少等问题,提出了一种物体三维断层点云重建方法。该方法通过断层信息和长度信息重建物体的三维点云,通过收集光幕传感器的测量信息得到物体的断层信息,若物体倾斜,则采用几何方法对断层信息进行校正,采用坐标相移将二维断层信息重建为三维点云。开发了基于FPGA的双光幕测量系统,实验结果表明,三维断层点云重建方法可以准确地显示物体的点云轮廓。该算法简单有效,执行效率高,为嵌入式点云应用提供了理论基础。     

基于容器的云资源管理博弈模型

云联盟通过将隶属不同组织机构的云资源形成联盟解决单个云资源有限的问题。基于容器的虚拟化是近年来出现的一种更为轻量和便捷的虚拟化技术,可以替代Hypervisor抽象出的虚拟机。本文设计了一种适用于容器虚拟化云联盟的资源管理模型,并采用博弈论的方法,提出一种兼顾用户QoS约束和云平台资源利用率的资源分配方法。多组实验结果表明,该方法针对不同类型的服务都能有效地提高服务质量,同时有助于提高资源使用率。     

基于Wasserstein Gan的无监督单模配准方法

本文提出一种基于Wasserstein Gan的无监督单模配准方法。与现有的基于深度学习的单模配准方法不同，本文的方法完成训练不需要Ground truth和预设的相似性度量指标。本文方法的主要结构包括生成网络和判别网络。首先，生成网络输入固定图像（正例图像）和浮动图像并提取图像间潜在的形变场，通过插值方式预测配准图像（负例图像）；然后，判别网络交替输入正例图像和负例图像，判断图像间的相似性，并将判断结果作为损失函数反馈，进而驱动网络参数更新；最后，通过对抗训练，生成网络预测的配准图像能欺骗判别网络，网络收敛。实验中随机选取30例LPBA40脑部数据集、25例EMPIRE10肺部数据集和15例ACDC心脏数据集用作训练数据集，然后将剩下的10例LPBA40脑部数据集、5例EMPIRE10肺部数据集和5例ACDC心脏数据集用作测试数据集。配准结果与Affine算法、Demons算法、SyN算法和VoxelMorph算法对比。实验结果显示，本研究算法的DICE系数（DSC）和归一化相关系数（NCC）评价指标均是最高，表明本文方法的配准精度高于Affine算法、Demons算法、SyN算法和目前无监督的SOTA算法VoxelMorph。     

基于实数编码的多种群遗传算法的点云配准

针对不同视角下测量的点云在配准时计算量大、速度慢的缺点,提出了一种基于实数编码的多种群遗传算法的配准方法,可以克服标准遗传算法速度慢、精度差的缺点,有效地提高全局搜索能力,实验结果表明:实数编码的多种群遗传算法能够快速获得较好的配准结果,以此结果作为初始位置进行最近点迭代法配准,能迅速达到所要求的精度,获得理想的配准效果。     

基于结构光扫描的多区域配准技术用于脊柱外科三维手术导航的试验研究

目的 建立基于结构光扫描的脊柱手术导航配准系统.方法 获得胸椎模型的CT扫描图像及结构光扫描图像后,结合预配准与多区域迭代最近点(ICP)算法的精细配准方法,对CT图像及结构光图像进行配准.选择胸椎上4个区域进行不同组合,计算配准精度差异.对结构光扫描施加位移及三维正态噪声,观察配准精度变化.通过小牛脊柱标本进一步验证配准精度.结果 结合预配准与多区域配准的方法可实现脊椎骨可见光数据与CT数据的配准,选用两个及两个以上区域进行组合配准的误差＜1 mm,结构光扫描受到干扰后,配准误差仍＜1 mm.结论 基于结构光的预配准结合多区域配准算法可实现结构光数据与CT数据的配准,有着高精度、抗干扰能力强的优点,较传统的配准方法更为精确.

Abstract：

Objective To study the registration method based on structured light scanning for navigation assisted spinal surgery and assess its accuracy so as to construct a registration system for the navigation assisted spinal surgery using structured light scanning. Methods Both the computed tomographic (CT) dataset and the structured light scanning images of thoracic vertebra were obtained. The preregistration and multi-segment iterative closest point (ICP) algorithm were used for the registration of CT images and structured light images. Four segmentations were selected from the surface of thoracic vertebra and placed into different combinations. The accuracy for each combination was studied. Noise and perturbation were exerted to structured light and registration accuracy was studied. And calf vertebra was used for further verification. Results A combination of pre-registration and multi-segment iterative closest point (ICP) algorithm was competent for the registration of CT scanning data and the structured light scanning data. The registration error was less than 1 mm when two and more segments were selected for registration combination. The registration error was less than 1 mm when noise was exerted. Conclusion With a high accuracy and a perturbation resistance, a combination of pre-registration and multi-segment registration algorithm based on structured light scanning is competent for the registration of CT scanning data and structured light scanning data.