一种基于光流场的医学图像配准方法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (13): 191-192.

• 图形、图像、模式识别 • 上一篇下一篇

一种基于光流场的医学图像配准方法

舒小华^1,2,沈振康¹,龙永红²

1.国防科技大学 ATR国家重点实验室，长沙 410073
2.湖南工业大学电气与信息工程学院，湖南株洲 412008

收稿日期:2007-08-21 修回日期:2007-11-19 出版日期:2008-05-01 发布日期:2008-05-01
通讯作者: 舒小华

Method of medical image registration based on optical flow field

SHU Xiao-hua^1,2,SHEN Zhen-kang¹,LONG Yong-hong²

1.ATR Lab，National University of Defense Technology，Changsha 410073，China
2.Department of Electrical Engineering，Hunan University of Technology，Zhuzhou，Hunan 412008，China

Received:2007-08-21 Revised:2007-11-19 Online:2008-05-01 Published:2008-05-01
Contact: SHU Xiao-hua

摘要/Abstract

摘要： 提出了一种基于光流场的医学图像弹性配准方法。方法先对图像进行小波分解，从最低分辨率的近似图像开始，采用光流场的方法进行逐级配准，再对配准的各分量进行重构，直至得到最高分辨率的配准图像。实验表明，这种方法对于具有较小形变的医学图像的配准是有效的。

关键词: 医学图像, 小波变换, 光流场, 弹性配准

Abstract: An elastic registration technique for medical image based on optical flow field is presented in this paper.In this method，from the lowest resolution，the approximate images are registered by optical flow field，and then reconstruct the image，up to the highest resolution.The experiments show this method is effective for medical image with less deformation.

Key words: medical image, wavelet transformation, optical flow field, elastic registration

舒小华^1,2,沈振康¹,龙永红². 一种基于光流场的医学图像配准方法[J]. 计算机工程与应用, 2008, 44(13): 191-192.

SHU Xiao-hua^1,2,SHEN Zhen-kang¹,LONG Yong-hong². Method of medical image registration based on optical flow field[J]. Computer Engineering and Applications, 2008, 44(13): 191-192.

[1]	张晓丽，张魁星，江梅，魏本征，丛金玉. 淋巴瘤图像分类技术研究综述[J]. 计算机工程与应用, 2021, 57(6): 1-9.
[2]	卢苇，刘丹，邵敏，吴扬东. 改进Mask R-CNN网络在医学图像识别与分割中的应用[J]. 计算机工程与应用, 2021, 57(24): 234-241.
[3]	高爽，徐巧枝. 迁移学习方法在医学图像领域的应用综述[J]. 计算机工程与应用, 2021, 57(24): 39-50.
[4]	黎英. 迁移学习在医学图像分析中的应用研究综述[J]. 计算机工程与应用, 2021, 57(20): 42-52.
[5]	李祥霞，谢娴，李彬，尹华，许波，郑心炜. 生成对抗网络在医学图像处理中的应用[J]. 计算机工程与应用, 2021, 57(18): 24-37.
[6]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[7]	郭艳芬，崔喆，杨智鹏，彭静，胡金蓉. 基于深度学习的医学图像配准技术研究进展[J]. 计算机工程与应用, 2021, 57(15): 1-8.
[8]	陈少洁，赵淦森，林成创，彭璟，黄凯信，李壮伟，黄润桦，杜嘉华，樊小毛. 深度学习在染色体分割中的应用综述[J]. 计算机工程与应用, 2021, 57(11): 46-56.
[9]	周涛，陆惠玲，霍兵强. 深度信念网络研究进展[J]. 计算机工程与应用, 2020, 56(9): 24-32.
[10]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[11]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[12]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[13]	吴帆，高媛，秦品乐，王丽芳. 基于拉普拉斯金字塔和CNN的医学图像融合算法[J]. 计算机工程与应用, 2020, 56(15): 208-214.
[14]	鞠维欣1，赵希梅1，2，魏宾2，王国栋1. 深度学习模型GoogleNet-PNN对肝硬化的识别[J]. 计算机工程与应用, 2019, 55(5): 112-117.
[15]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.

一种基于光流场的医学图像配准方法

Method of medical image registration based on optical flow field

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics