基于SIFT算法的图像特征点提取和匹配研究

目的:把SIFT算法应用在牙齿模型图像上,检测牙齿图像的特征点?方法:首先采用高斯差分算子DoG搜索整个图像的尺度和位置信息,从而确定具有代表性尺度?方向的特征点?基于其稳定性选择关键点,得到一个详细的模型以确定每个候选点的合适位置和范围?基于局部图像梯度方向信息将方向矢量和关键点对应起来?在选定范围内的每个关键点周边区域测量局部图像梯度,并采用KNN算法进行特征匹配?结果:通过大量的实验和与其他特征提取方法相比较,该方法能有效地检测牙齿模型图像的特征,并为牙齿模型三维重建提供有效的参数?结论:在口腔医学牙齿模型图像中应用SIFT算法,有助于牙齿模型的三维重建?     

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。     

一种基于改进SURF和K-Means聚类的布料图像匹配算法

计算机图像智能处理技术为服装设计师开展设计、启发灵感提供了方便和可能。通过提取布料图像的SURF特征可以实现布料图像形状分析,但由于SURF特征维数高、特征提取是基于灰度图进行,因此存在匹配速度慢、匹配结果不够符合人眼视觉特点的问题。本文提出了基于小波变换的自适应SURF特征提取算法和基于K-Means聚类的布料图像颜色分析方法。通过融合图像形状特征、颜色特征,加快了布料图像匹配速度,使布料图像的匹配结果更加符合人眼视觉感受。在8种不同类型布料图像上的实验验证了该算法的有效性。     

基于医学图像降噪阈值选取的动态优化算法

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。     

一种减少胸部肿瘤放疗图像引导配准误差的方法

目的 比较医师和技师的配准结果,分析其结果不一致的原因,并提出解决方法.方法 选择胸部肿瘤病人30例123组IVS图像,每组IVS图像均用3种方式行图像匹配:A组:仅由技师自主对胸部病灶进行图像匹配;B组:仅由医生对胸部病灶进行图像匹配;C组:技师采取气管隆嵴结合主动脉弓为匹配特征点对胸部病灶进行图像匹配.对三组结果采...     

一种基于离散Tchebichef正交多项式和傅里叶梅林矩的局部多特征图像检索算法

提出了一种基于离散Tchebichef正交多项式和傅里叶梅林矩的局部多特征图像检索算法。通过对图像进行正交变换和多分辨率重排序,在变换域中提取出纹理、颜色和形状特征,生成具有较强区分能力的图像特征。由于傅里叶梅林矩具有旋转不变性,因此在处理发生旋转变换和平移变换的图像时,检索效果较好。最后,对提出的算法用多个数据集进行了检索实验,并对实验结果进行了比较和分析。     

基于几何特征的点云配准算法

为了有效地解决不存在明确对应关系的点云配准问题,提出了一种基于点云几何特征的配准算法。首先以点云的曲率为联系特征,搜索配准点云的匹配对集合;然后利用邻域特征对各匹配对进行相似性度量,提取有效配准对,并引入刚体变换中向量几何性质剔除其错配对,生成点云初变换;最后采用ICP算法对点云初配结果进行优化,实现点云精确配准。仿真实验结果表明：该算法具有较高的配准精度,且配准时间较短,是一种可行的点云配准算法。     

基于K—最近邻规则的磁共振颅脑图像分割算法的应？…

目的 介绍一种简单实用的磁共振颅脑图像分割算法Ｋ－最近邻（简称Ｋ－ＮＮ）规则,并利用该算法对磁共振颅脑图像进行分割研究。方法 该方法是一个多步处理过程。首先利用边界跟踪法对磁共振颅脑图像进行预处理,剔除颅骨和肌肉等非脑组织,只保留大脑结构;然后利用Ｋ－ＮＮ规则对大脑结构进行分割,从大脑结构中分别提取出白质（ＷＭ）、灰质（ＧＭ）和脑脊液（ＣＳＦ）。结果 分割算法在预处理中能精确地分割出大脑结构,在Ｋ     

基于面部区域的CT与MRI影像的3D/3D配准

目的 提出基于表面特征点的CT-MRI 3D/3D刚性配准（方法一）和基于表面轮廓点云的CT-MRI 3D/3D刚性配准方法（方法二）,为头部肿瘤靶区勾画等临床所需的图像融合场景提供必要基础。方法 利用开源图形应用函数库Visualization Toolkit(VTK)对CT和MRI图像序列进行三维面绘制重建后,拾取人脸特征点,并基于迭代最近点算法对三维特征点集进行配准。为减少拾取特征点的人为干扰,进一步提出提取2D图像人脸轮廓线后再重建得到人脸特征点云,并对配准区间进行限定,比较两种配准方法的效果。结果 经多个角度进行评估,方法一由于人工拾取特征点的误差,Dice评分低于方法二;与其他配准方法相比,两种配准方法均方根误差值均较低,且方法二表现更突出。两种方法在配准精度、鲁棒性、逆一致性及配准速度等方面均有很好的表现。结论 方法一的优势主要体现在配准速度上,方法二的优势主要体现在配准精度上,在鲁棒性、逆一致性等方面两种方法均有较好的表现,均能得到较好的配准结果,对头部肿瘤准确的诊断或制定出合适的治疗方案有很大的积极价值。