显微图象的快速拼接

作者提出了基于图象匹配的显微图象快速拼接的新方法。拼接分三步完成：１．生成利于配准的梯度图象。２．基于金字塔数据结构的快速匹配。３．进行边界处清除图象拼接处的阶梯。优点是：拼接由计算机自动完成，速度快、精度高，消除了人为误差，并且能提供人工无法实现的拼接处光滑连接。     

基于改进尺度不变特征变换的手术室多视点图像拼接算法

目的为了提高手术室环境下拼接后全景图像的主观质量,本文提出一种基于改进尺度不变特征变换(scale invariant feature transform,SIFT)的手术室多视点图像拼接算法。方法基于SIFT特征点匹配算法,依据手术室采集设备为平行摄像机且获取的两视点高关注区域重叠较宽泛的特点,提出采用局部加权融合的拼接算法消除拼接重影,并在局部加权融合算法下,对参与图像空间变换的特征点在垂直方向增加约束,筛选出正确匹配特征点对以消除拼接折痕。结果此算法解决了手术室拼接图像中手术衣的袖子、手术剪和手套的重影及治疗巾位置拼缝不对齐的问题,即消除了术野高关注度下的拼接重影及误匹配带来的拼接折痕,保证了两幅图像拼缝后的平滑过渡。结论基于改进SIFT特征点匹配的算法获得了较好的主观手术画面的拼接质量。     

医学超声图象的处理与拼接

医学超声图象在临床上得到了广泛的应用，但由于超声图象存在着动态范围小，对比度差，而且噪声大和观察范围有限等缺点，影响了超声图象的临床诊断效果。本文提出了Ｂ超图象的自动匹配与拼接方法，实现了表现更大观察范围的Ｂ超图象，从而弥补了手工拼接中的精度低，误差大的缺陷。为提高图象的匹配与拼接精度，文中还讨论了图象的噪声抑制与灰度增强处理方法，提高了Ｂ超图象的再现质量     

用于面诊的人脸全景图像拼接算法

采用一种基于人脸特征的柱面投影方法,将人的头部近似看做一个圆柱体,有效地解决了在采集过程中因面部角度所引起的视觉不一致性;利用SIFT特征匹配算法提取两幅图像的特征向量,并通过RANSAC匹配优化算法消除错误的匹配,实现图像的配准;接着采用渐入渐出的融合算法,使图像间实现平滑的过渡,消除拼接缝隙。实验结果表明,本研究使用的算法能够快速、有效地生成人脸全景图像,为后续中医面诊奠定了基础。     

基于角点的医学显微图像拼接

目的：本文设计了一种基于角点的医学显微图像拼接方法。方法：先利用Harris算子和MIC算法相结合的方法来检测角点,接着对两组角点进行相关性分析,找出匹配的点,并根据匹配点进行拼接,融合。结果：实现了图像的增强与拼接。结论：实验证明,利用该方法对显微图像进行拼接时获得了理想的拼接效果。     

Visible Human图象数据集的自动匹配方法

VisibleHuman计划是由美国国家医学图书馆发起建立的真实三维入体的CT、MRI和解剖切面的数字化图象库。Visible Human数据集已经成为构造电子医学图象库和虚拟解剖环境的理想基础,本文首先对CT图象进行灰度校正,并用基于像素相似性的方法实现了CT图象和MRI图象间的自动匹配。具有自适应空间搜索的遗传算法被用于实现全局性的优化过程,本文给出了初步的实验结果。     

X光图像自动增强拼接技术的研究和实现

目的:设计了一种X光图像的自动增强拼接技术.方法:首先,针对X光影像灰度差异目测困难,单一直方图均衡化增强后可能导致的灰度级减少,某些细节消失,提出一种改进的基于HE的图像增强方法,利用三角函数加权因子对图像进行平滑增强融合;然后,为了解决由于X光图片视野范围的局限性,采用基于相位相关法对图像进行全景拼接重建,并分析了参考图像与待配准图像间存在重叠区域的面积大小与拼接成败的关系;最后,为了提高图像的拼接质量,采用多分辨率算法进行图像融合.结果:成功实现了图像自动增强与拼接.结论:实验证明,对于X光图像存在的灰度差异微小,细节不明显的情况,经过改进的图像增强之后,效果明显,且方法运算简单,能快速有效地对X光图像进行自动增强及拼接及融合,鲁棒性好.当参考图像与待拼接图像重叠区域减小到参考图像2%以下时,才出现误拼接,相同重叠区域面积内,图像信息携带量越多,可得到更好的匹配效果.     

多准则图象空间迭代重建

本文研究图象峰值性函数极小化，原始投影数据与重建图象再投影的平方误差极小化所产生的双准则图象重建问题，双准则函数的优化可由其加权和标量化来研究，这是一种多准则正则化方法，新的多准则图象空间迭代重建克服了单准则ＳＩＲＴ算法的迭代收敛慢及重建图象质量差的问题，同时也克服了基于图象峰值性函数极小的ＡＲＴ算法重建图象中存在着胡椒加盐噪声问题，多准则图象空间迭代重建所产生的图象平滑性能好，伪像成份少。而且快     

基于双正交小波变换与特征匹配的脊柱序列自动拼接

目的:本文提出了一种脊柱X线图像序列全自动无缝拼接方法。方法:首先采用双正交小波变换对图像序列进行多分辨率分解,并结合Canny算子提取图像的有效边缘轮廓,通过计算边缘轮廓矩阵E与和值矩阵H获得图像特征点;其次利用归一化互相关(normalized cross correlation,NCC)算法实现特征点粗匹配,并引入稳健的随机抽样一致(random sample consensus,RANSAC)算法去除误匹配对,实现图像精匹配;然后利用改进的遗传算法对图像序列自动排序,实现匹配系统的自动拼接;最后利用加权平均融合算法实现图像的平滑无缝拼接。结果:实验结果表明该算法可实现高质量快速的脊柱X线图像序列自动拼接。结论:该算法对X线弱对比度脊柱图像序列具有很强的鲁棒性,在一定程度上克服了X线图像序列噪声强、灰度集中、边界模糊、重叠面积过大的缺点及位置关系的限制,具有较强的应用价值。     

眼底图像畸变的校正及多幅图像的特征点拼接算法

对于眼底图像 ,由于不在正视点取像造成的几何畸变和由于荧光素从血管壁渗漏等造成的灰度畸变 ,几乎是不可避免的。为临床诊断提供丰富信息的需要出发 ,进行多幅眼底图像的拼接是必要的。本文为此提出了几个新的处理方法 ,如基于大窗口的滤波灰度校正方法、基于透视投影原理的几何校正方法与基于小波子空间上的拼接算法 ,均具有效果好和耗时少的优点。