检索结果-南通市图书馆

基于局部互信息和自动更新的医学图像形变不均匀配准

在线全文

学校读者我要写书评

暂无评论

中国医学物理学杂志 2017年第8期34卷 806-810页

作者：赵帅吕晓琪内蒙古科技大学信息工程学院内蒙古包头014010

针对互信息只考虑图像像素的灰度信息和图像存在形变不均匀的情况下,本文提出局部互信息和部分多层次B样条结合的方法。第一步采用主轴质心法对多模医学图像进行粗配准,从而快速实现两幅图像的粗配准。第二步采用部分多层次B样条法针对... 详细信息

针对互信息只考虑图像像素的灰度信息和图像存在形变不均匀的情况下,本文提出局部互信息和部分多层次B样条结合的方法。第一步采用主轴质心法对多模医学图像进行粗配准,从而快速实现两幅图像的粗配准。第二步采用部分多层次B样条法针对解决局部形变不均匀的配准对象,首先是粗网格进行全局粗配准,然后只是对部分区域实现细化网格处理,加快配准速度。文中对网格进行自动更新,将采用以局部互信息为相似度检测,结合这3种方法,从而实现多模医学图像的精确和快速配准。

关键词： B样条医学图像主轴质心局部互信息自动更新

基于信息论的自筛选贝叶斯分类模型的研究与设计

在线全文

学校读者我要写书评

暂无评论

基于信息论的自筛选贝叶斯分类模型的研究与设计

作者：宁越吉林大学

学位级别：硕士

2012年，随着大数据时代的降临，人们意识到信息爆炸产生的海量数据对企业的重要性。在很多领域中，决策将逐渐增加对数据分析的依赖，并最终脱离传统经验和直觉。比如在医学领域，伴随着数据挖掘技术和医学的快速发展，在积存大量病人... 详细信息

2012年，随着大数据时代的降临，人们意识到信息爆炸产生的海量数据对企业的重要性。在很多领域中，决策将逐渐增加对数据分析的依赖，并最终脱离传统经验和直觉。比如在医学领域，伴随着数据挖掘技术和医学的快速发展，在积存大量病人数据的情况下，人们逐渐聚焦到数据挖掘技术在医学领域上的辅助诊疗应用。如果应用得当，辅助诊疗将会极大地降低医生的工作量和误诊率。目前已有的很多数据挖掘技术都无法给出域中各个变量间的因果关系。而贝叶斯网络擅长使用互信息寻找依赖关系，并通过图形化网络展示出因果关系,它是处理不确定信息的重要手段。因此提出一个高分类准确率的贝叶斯模型是非常有现实意义的。最简单的受限贝叶斯分类器是朴素贝叶斯（NB），基于NB，学者们又提出了许多的更高分类性能的贝叶斯模型，如TAN和KDB等。但是NB和TAN虽然在较小数据集上表现优秀，在大数据集上很难满足需求。KDB（K=2）作为二阶依赖贝叶斯分类器，在大数据集上性能优于NB和TAN，但是不够明显，而在小数据集上又明显不如前者。本文的目的是在研究以上经典贝叶斯分类器的基础上，提出一种能清晰展示因果关系的分类准确率高的贝叶斯分类模型。首先在KDB的基础上提出了分类性能更好的动态二阶依赖贝叶斯（D2-DB）分类模型，简称全局模型，为了让该模型更精确，在对分类属性排序时考虑了已添加属性对新添加属性的影响，然后在已添加属性中为新添加寻找父节点，最终构建出一个完整的贝叶斯网络。全局模型提升幅度较低，为了大幅提升分类准确率，采用局部互信息和局部条件互信息按照D2-DB分类模型构造规则构建了局部二阶依赖贝叶斯分类模型（L2-DB），简称局部模型，该模型分类性能很不稳定。之后本文总结出了一个规律：优秀的贝叶斯分类器，其误判情况是相对模糊的。使用该规律能有效消除两个贝叶斯算法不相交的误判部分，因此可以利用其设计一个更精确的分类算法。使用错分模糊规律将局部模型与全局模型结合使用，取长补短，这就是自筛选贝叶斯分类器。实验证明，自筛选贝叶斯分类器适用范围更广，并具有更高的分类准确率。

关键词：贝叶斯网络自筛选局部互信息贝叶斯分类器动态结构

基于B样条和互信息的非刚性医学图像配准的研究与应用

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于B样条和互信息的非刚性医学图像配准的研究与应用

作者：汪军太原理工大学

学位级别：硕士

图像配准技术发展到今天也不过三十多年的历史,由于计算机硬件与医学成像技术突飞猛进的发展,不断地涌现出许多信息各异的医学图像,为临床诊断提供了丰富的资料。由于各种医疗仪器的成像原理不同,导致提供的医学信息也就大不相同,然而... 详细信息

图像配准技术发展到今天也不过三十多年的历史,由于计算机硬件与医学成像技术突飞猛进的发展,不断地涌现出许多信息各异的医学图像,为临床诊断提供了丰富的资料。由于各种医疗仪器的成像原理不同,导致提供的医学信息也就大不相同,然而单模态图像为医生的临床诊断提供的都是零散片面的信息,要想得到更全面完整且互补的图像信息,就必须将携带各种不同类型信息的多种模态图像融合在一起,以便医生做出更准确可靠的诊断。当前国内外在刚性配准领域的技术已经成熟,但事实上人体器官组织通常都存在各种复杂的非线性形变,只有非刚性配准才能满足这方面要求。因此,医学图像非刚性配准在临床治疗上尤为关键,具有十分重要的现实应用意义,必将成为未来医学数字技术的热点。本文主要研究非刚性图像配准关键技术的两大模块,一是反映两幅图像之间空间关系的变换模型,一是度量两幅图像是否达到完全配准的相似性测度。具体的研究内容有以下几个方面:(1)研究了配准的整个框架、流程及具体步骤,详细归纳并整理总结了图像配准中的空间变换、灰度插值、相似性测度和优化算法四大关键技术,重点阐述了样条函数模型、LBFGS优化算法的搜索原理以及基于空间变换和物理模型的非刚性图像配准方法。(2)针对存在非线性形变的图像,采用B样条变换可以很好地拟合图像间的不规则形变,直观上看可以得到较佳的配准效果;针对B样条控制网格间距的选取具有随机性,无法很好地权衡配准精度与效率的问题,提出了基于多层次B样条变换模型的医学图像非刚性配准方法;针对多层次B样条的均匀形变场无法很好地模拟图像局部区域大形变的问题,提出了基于局部区域多层次B样条变换模型的非刚性配准方法。(3)互信息的测度在配准前不用进行任何特征提取、检测、分割等预处理操作,仅需计算两幅图像各自信息熵和联合信息熵,确实简单方便易行,但也正因如此忽略了图像本身存在的任何空间信息,影响了配准结果的精度与鲁棒性,因此本文引进一种把图像本身信息置于很高地位的局部互信息概念,详细地分析了局部互信息的原理、计算方法与步骤,并提出了基于局部互信息的图像配准方法,进行了对比仿真实验,结果表明,提出的方案有效的提高了配准的精确性和鲁棒性,但也存在时间代价大的缺陷。(4)进行基于B样条和局部互信息的前列腺图像非刚性配准的应用研究,从总体上阐述使用的配准算法及配准过程的步骤;然后,介绍配准使用的关键主函数框架以及配准用到的图形用户界面;最后,对比试验结果,提出的方案对存在非线性无规则形变的医学图像有很好的配准效果。

关键词：非刚性配准 LBFGS算法 B样条互信息局部互信息

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

良分布的多特征遥感图像自动配准算法

光电工程 2012年第8期39卷 38-45页

作者：孙彬严卫东张彤马心璐边辉倪维平西北核技术研究所西安710024

针对基于点特征的遥感图像自动配准算法中存在特征点分布不均匀的问题,提出了一种基于SIFT(尺度不变特征变换)、Harris-Laplace(多尺度角点)、MSER(最大稳定极值区域)特征提取算法的多特征遥感影像配准方法。通过多特征与二次匹配,极大... 详细信息

针对基于点特征的遥感图像自动配准算法中存在特征点分布不均匀的问题,提出了一种基于SIFT(尺度不变特征变换)、Harris-Laplace(多尺度角点)、MSER(最大稳定极值区域)特征提取算法的多特征遥感影像配准方法。通过多特征与二次匹配,极大的提高了匹配点数目;通过基于距离的筛选,保证匹配点分布均匀合理;通过局部互信息精校正,使匹配点精度更高,最终达到高质量(空间分布均衡,匹配精度高)自动配准目的。

关键词： SIFT Harris-Laplace MSER 多特征良分布局部互信息

基于势函数点分布调整的SIFT图像配准算法

在线全文

学校读者我要写书评

暂无评论

国土资源遥感 2015年第3期27卷 36-41页

作者：孙彬边辉王培忠西北核技术研究所西安710024

尺度不变特征转换(scale invariant feature transform,SIFT)是一种广泛应用于图像配准领域的点特征提取算法。针对基于SIFT的图像自动配准算法存在的特征点分布不均匀问题,提出了一种基于势函数点分布调整的图像配准方法。该方法解决了... 详细信息

尺度不变特征转换(scale invariant feature transform,SIFT)是一种广泛应用于图像配准领域的点特征提取算法。针对基于SIFT的图像自动配准算法存在的特征点分布不均匀问题,提出了一种基于势函数点分布调整的图像配准方法。该方法解决了SIFT算法不能针对特征点的分布情况进行优化的问题。通过调整SIFT的比值阈值,增加配准点的数目;通过引入分子力学中的势函数概念,对特征点分布情况进行优化;通过局部互信息精纠正,微调特征点位置,以提高特征配准点的配准精度;最终实现高质量(空间分布均衡,配准精度高)的图像自动配准。

关键词：尺度不变特征转换(SIFT) 势函数特征点分布局部互信息

在线全文

学校读者我要写书评

暂无评论

移动机器人视觉候选闭环召回方法设计

计算机工程与设计 2016年第6期37卷 1659-1662页

作者：吴俊君广东食品药品职业学院软件学院广东广州510520 华南理工大学机械与汽车工程学院广东广州510641

为改进移动机器人视觉SLAM闭环探测性能,提出基于位置敏感哈希的候选闭环召回方法。采用位置敏感哈希技术以随机比特采样的方式对尺度空间中的地图关键帧进行哈希索引,以局部互信息为图像相似性度量指标在哈希桶内召回候选闭环。在国际... 详细信息

为改进移动机器人视觉SLAM闭环探测性能,提出基于位置敏感哈希的候选闭环召回方法。采用位置敏感哈希技术以随机比特采样的方式对尺度空间中的地图关键帧进行哈希索引,以局部互信息为图像相似性度量指标在哈希桶内召回候选闭环。在国际公开的数据集上,将该方法与典型BoW方法进行准确性对比实验,实验结果表明,针对大范围室外环境的拓扑地图,该方法仅需召回4个候选闭环即可达到100%的闭环召回率,避免了大量局部特征提取和离线训练过程,能力优于BoW方法。

关键词：移动机器人视觉SLAM 闭环探测位置敏感哈希局部互信息

在线全文

学校读者我要写书评

暂无评论

基于度量学习的小样本图像分类算法研究

基于度量学习的小样本图像分类算法研究

作者：林金福华南理工大学

学位级别：硕士

随着计算能力的提升和大型标注数据集的开源,深度神经网络模型在图像分类任务上取得了巨大成果。但是,由于深度神经网络模型往往具有大量的参数,当训练样本不足,模型会遇到过拟合,泛化能力差等问题。现实生活中,很多场景并没有足够的样... 详细信息

随着计算能力的提升和大型标注数据集的开源,深度神经网络模型在图像分类任务上取得了巨大成果。但是,由于深度神经网络模型往往具有大量的参数,当训练样本不足,模型会遇到过拟合,泛化能力差等问题。现实生活中,很多场景并没有足够的样本,例如医疗影像、珍稀物种等。因此,如何利用有限的样本使得分类模型快速地学习新类别,即小样本学习,具有重大研究意义。处理小样本学习的一种主要方法就是度量学习,其通过学习有效的图像表征和表征之间的距离度量来实现图像分类。本文重点研究了基于度量学习的小样本图像分类算法,主要内容如下:首先,针对原始高斯原型网络中表征的分类适用性较弱问题,我们提出利用局部互信息进行修正。我们用高斯分布来表示每个样本在隐空间中的表征,并最大化样本和表征之间的局部互信息。基于高斯分布的表征使得网络可以构建一个将维度与类别关联起来的距离度量。局部互信息最大化使得网络可以判别同类别表征之间的共享信息和不同类别表征之间的独有信息,保证表征适用于图像分类。同时,由于样本量不足,计算得到的原型和真实原型之间存在一定的偏差,结合转导推理和卡尔曼滤波器,我们提出了转导卡尔曼数据融合来计算每个类别的原型,进一步修正该原型偏差。其次,许多基于全局表征的小样本学习方法不能有效地捕获图像丰富的局部特征,导致其不能很好地同时处理细粒度图像分类。针对这个问题,我们提出基于弱监督目标定位的小样本图像分类算法。目标定位可以获得图像的最具区分性区域,这对于图像分类特别是细粒度图像分类十分关键。为此,本文设计了一个基于注意力的互补擦除模块来实现弱监督目标定位。然后利用目标定位得到图像的特征描述子表示,这种局部表征相比于全局表征具备更丰富的语义信息。同时,基于特征描述子表示,我们提出语义对齐距离来更好地度量表征之间的距离。在mini Image Net,tiered Image Net和3个细粒度数据集上和先前工作的比较表明,本文提出的两种小样本图像分类算法在5-way 1-shot和5-way 5-shot任务下均能有效地提高小样本图像分类的准确率。消融实验也证明了所提出的修正方法,弱监督目标定位方法和语义对齐距离的有效性。

关键词：小样本学习度量学习局部互信息卡尔曼数据融合细粒度小样本学习