典型文献
形变引导正则化的医学图像Demons快速配准算法
文献摘要：
Demons配准算法通常采用各向同性的Gaussian滤波器作为正则化项,该操作忽略了图像灰度变化的空间各向异性和形变场信息,造成在目标边缘等细节信息丰富的区域配准误差较大.此外,由于正则化过程通常需要逐像素进行平滑操作,导致Demons算法针对大尺寸图像进行配准时效率有待提高.针对上述问题,提出了一种基于形变引导正则化的医学图像Demons快速配准算法(DGR Demons).该算法有3个优势:首先,DGR Demons通过引入各向异性的引导滤波器作为配准过程的正则化项,有效保留了图像边缘细节,避免了在图像边缘处发生梯度越变;其次,DGR Demons用待配准图像间的形变来引导正则化过程,由于充分利用了形变的空间信息,获得了更加精确的配准结果;最后,DGR Demons通过对形变进行下采样,使得正则化中的平滑映射关系计算在低分辨率形变上执行,从而有效减少了配准耗时.实验结果表明,提出的DGR Demons实现了更快、更精确的配准结果,与主流Demons算法相比,将配准精度提高了约40％,配准效率提高了约8％.
文献关键词：
医学图像配准;Demons;正则化;非刚性形变;各向异性
中图分类号：
作者姓名：
杜晓刚;王玉琪;王福海;雷涛;张学军
作者机构：
陕西科技大学陕西省人工智能联合实验室,西安710021;陕西科技大学电子信息与人工智能学院,西安710021;兰州交通大学电子与信息工程学院,兰州730070
文献出处：
引用格式：
[1]杜晓刚;王玉琪;王福海;雷涛;张学军-.形变引导正则化的医学图像Demons快速配准算法)[J].小型微型计算机系统,2022(12):2580-2590
A类：
B类：
导正,正则化,Demons,快速配准,各向同性,Gaussian,灰度变化,各向异性,形变场信息,细节信息,像素,大尺寸,准时,DGR,引导滤波器,图像边缘,边缘细节,变来,空间信息,下采样,映射关系,低分辨率,变上,配准精度,效率提高,医学图像配准,非刚性形变
AB值：
0.258988
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
