排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
SIFT算法是提取特征点的常用算法之一,具有良好的健壮性,在医学图像处理领域中广泛应用。然而传统的SIFT算法采用固定的降噪阈值会影响特征点选取的合理性,因此提出了一种动态优化算法(PM-SIFT算法),即采用PSO算法与互信息结合的方式优化传统SIFT算法,并从特征点有效性与计算时效性两方面对2种算法的特征点提取效果进行定量分析的结果表明,与传统的SIFT算法相比,PM-SIFT算法不但可以动态地选取合适的降噪阈值,而且还能提高图像配准的效果。 相似文献
2.
3.
介绍了肿瘤放疗数据的解析方法、肿瘤放疗数据的构成、肿瘤放疗数据解析的需求、肿瘤放疗数据实际的应用场景、肿瘤放疗数据解析意义、常用的数据解析方案,与解析工具和实际TPS系统数据解析的效果,总结了数据解析在肿瘤放疗大数据建设中的实际意义。 相似文献
4.
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。 相似文献
5.
1