文档介绍：学位论文作者签名:】一髫独创性声明学位论文版权使用授权书回、交氓借阅。本人授礴胩ǚ窨梢越宦畚牡娜ú炕虿糠帜谌荼嗳胗泄厥菘饨本学位论文作者完全了解摩极久豸有关保留、使用学位论文的规定,他人已经发表或撰写过的研究成果,也不包含为获每露锨久亏或其他教育机构签字日期:沙甓嘣签字日期:.,除了文中特别加以标注和致谢的地方外,论文中不包含其的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和导师签名::年‘月厂日检索,可以采用影印、。缩印或扫描等复制手段保存、汇编学位论文。C艿难宦畚脑诮饷芎笫视帽臼谌ㄊ签字日期:学位论文作者毕业去向:工作单位:电话:,日邮编:通讯地址:
摘要随着生物技术、图像处理技术以及计算机技术的发展,医学图像配准已经成为现代医学图像处理的关键技术。作为医学图像融合及其他医学图像分析的前提配准中基于像素和基于特征两类主要方法的优缺点:深入研究了互信息理论在医学图像配准领域的应用和实现机理以及互信息作为相似性测度的优缺点。本文着图像配准算法,该方法先提取尺度空间不变特征点并使用类似于描述子的理描述子,该描述子结合了三值模式描述子和中心对称二值模式描述子的优点,对噪声具有更强的鲁棒性;然后将该描述子用于广义近邻图熵估计多模医学图像关键字:医学图像配准互信息特征点广义近邻图靥荻刃畔子纹理信息中心对称局部二值模式局部三值模式和基础,医学图像配准对临床诊断、治疗以及疗效评价等具有重要意义,已经成为医学图像处理领域的研究热点之一。本文在研究前人图像配准成果的基础上,对多模医学图像自动配准技术及算法进行了相关的研究和改进。主要工作如下:本文首先介绍了医学图像配准的背景、意义以及主要应用,总结、归纳了医学图像配准方法;介绍了医学图像配准的基本原理和关键技术;分析了医学图像重深入研究了阋寤バ畔⒓捌湓谕枷衽渥贾械淖饔茫⒄攵曰バ畔⒓扑愕复杂性,引入了广义近邻图熵估计理论,并成功应用于多模医学图像配准中。在深入研究基于像素和基于特征的两类医学图像配准算法优缺点的基础上,本文结合两类方法的优点,提出了~种新的融合梯度信息广义近邻图的多模医学梯度描述信息描述特征点,接着使用バ畔⒔⒛勘旰屯ü阋褰图熵估计理论来估计バ畔ⅲ詈笥呕惴ㄑ坝拧>笛橹っ鳎渥冀峁精度高,时间快,鲁棒性较强,是一种有效的自动弹性配准算法。针对噪声对医学图像分析中的影响,在深入研究图像纹理信息在医学图像中的应用后,本文提出了一种抗噪声能力更强的加权二分中心对称局部三值模式纹配准框架之中,使用新提出的描述子对特征点进行描述。最后通过实验验证了该描述子不易受噪声影响以及融合该描述子的配准算法对噪声的鲁棒性和有效性。安徽大学学位论文
..,.猰.,甌,.,琧甧琲,瑆.,.甌瑆猲,.Ⅱ
籎』籪』弧篒』籎』阣一琻呦:籆狶;印瓼,。篗;甌甿。甌’.籉畁籖籊;
医学图像配准的关键技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第三章互信息与广义近邻图熵估计理论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.熵与互信息⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.。.畔㈧亍.:ⅰ广义的信息测度⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.互信息在医学图像配准中的应用及评价⋯⋯⋯⋯⋯⋯⋯⋯..
.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第四章基于梯度信息的广义近邻图多模医学图像配准⋯.⋯⋯⋯.⋯..特征点及特征点的提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯.算子⋯⋯⋯.特征点梯度信息描述子的融合⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.基于梯度信息广义近邻图的医学图像配准⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...:融合纹理信息的广义近邻图多模医学图像配准⋯⋯⋯⋯⋯⋯图像的纹理特征⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯融合加权狶描述子的医学图像配准⋯⋯⋯⋯⋯⋯⋯⋯仿真实验⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..狶描述子有效性实验⋯⋯⋯⋯⋯⋯⋯⋯⋯..算子和安徽大学硕士学位论文基于熵图理论的多模医学图像配准方法研究.
第六章总结与展望⋯⋯⋯⋯⋯