简介：摘要目的应用锥形束电子计算机断层扫描（cone beam computed tomography，CBCT）图像引导技术分析采用腹压板装置的肝癌患者放疗时不同配准方式的摆位误差和不同体型患者摆位误差的差异性，为肝癌放疗图像配准提供参考。方法用回顾性研究的方式随机选取中山大学肿瘤防治中心放疗科2020年10月至2021年3月采用腹压板装置行放射治疗的正常和偏胖体型的肝癌患者各10例，全部患者肺功能正常，可进行平静下的均匀呼吸。其中男19例，女1例，年龄范围为21～77岁。患者每次放疗前行CBCT图像扫描，将CBCT图像与计划电子计算机断层扫描（computed tomography，CT）图像进行肝缘配准、灰度配准和骨性配准，分别获得X轴（左右）、Y轴（上下）、Z轴（前后）3个方向的摆位误差，并进行统计学分析。结果在X、Y、Z 3个方向的摆位误差：肝缘配准分别为（0.12±0.31）cm、（-0.37±0.67）cm、（0.29±0.23）cm，灰度配准分别为（0.12±0.30）cm、（-0.31±0.57）cm、（0.22±0.20）cm，骨性配准分别为（0.03±0.33）cm、（-0.29±0.30）cm、（0.22±0.18）cm。骨性配准在X（P＜0.001）、Z（P=0.002）方向与肝缘配准差异较大，灰度配准在Y（P=0.006）、Z（P＜0.001）方向与肝缘配准差异较大；正常和偏胖体型患者的摆位误差在X（P=0.237）、Y（P=0.478）、Z（P=0.806）方向差异均无统计学意义。结论肝癌患者放疗时不同配准方式的摆位误差存在较明显差异，考虑到靶区的位置，建议肝癌患者放疗时应选用肝缘配准以提高放疗的精确性；正常和偏胖体型的摆位误差无差异，不会影响配准结果。

简介：利用边缘检测算子和数学形态学方法提取医学图像轮廓，采用主轴矩法配准两幅图像的轮廓，使其达到粗略配准的目的。通常的互信息测度是基于香农熵的，因为香农熵对于局部极值具有很强吸引域，而某些参数下的雷尼熵可以消除局部极值，将两种测度分别用于精配过程中不同的搜索阶段。首先利用全局搜索算法，寻找基于雷尼熵的归一化互信息测度的全局最优初值，再通过局部优化算法对当前的最优解寻找基于香农熵的更精确的全局最优解。实验表明，这种配准算法是有效的。

简介：图像的配准在图像处理领域是一个基础的热门问题,迄今为止国内外关于图像配准已经产生大量的研究。医学图像的配准是医学图像分析的必要前提,精准的医学图像配准能够使得有诊断意义的点达到匹配从而帮助图像分析。针对图像配准在医学领域展开研究,实现基于ITK的医学图像配准。

简介：

简介：随着SAR成像技术的不断发展和对SAR图像应用的迫切需求，涌现了大量的SAR图像配准方法。对国内外最新的SAR图像配准技术和方法进行了全面系统地梳理，总结了各类方法的特点，指出了当前研究存在的问题，展望了SAR图像配；住的发展趋势：

简介：目的探讨配准标记点外形差异对三维图像配准精度的影响。方法分别采用4种不同外形的配准标记点，配准试样锥形束CT（CBCT）三维图像与其原始设计三维图像，而后通过测量配准后试样的2种三维图像间的距离差，来分析不同外形配准标记点对三维图像配准精度的影响。结果配准偏差分别为立方形（0．0938±0．0062）mm、球形（0．0854±0．0056）mm、圆柱形（0．1032±0．0061）mm、圆台形（0．0972±0．0062）mm，仅球形配准标记点组与其他组间的差异有统计学意义（P〈0．05）。结论实验中所选的几种配准标记点均可较好地实现三维图像配准，相比较而言，球形配准标记点具有更高的配准精度。

简介：技术简介：目前图像到图像的配准已经得到很好的研究和广泛的应用。然而，所有的图像配准的方法都有两个内在的缺陷：（1）图像到图像的配准受限于要配准的图像各自包含的信息，这里的信息指的是帧内图像在空间上变化，用以描述场景的视觉表现；（2）当图像是一个动态的场景中一系列静态图像时，仅当两幅图像是同时拍摄时，二者之间的配准才可行。然而，摄像机几乎不可能以如此高的时序精度完成同步。

简介：摘要：机载激光雷达是正在发展的高新主动式遥感技术，其能够获取大面积的地形数据以快速生成DEM产品，结合影像数据可得到丰富的空间地理信息。由于机载LiDAR作业范围有限，而作业面积较大，因此要对对相邻航带的点云要进行点云配准拼接，剔除粗差，减小数据的系统误差，本文研究点云配准的方法来提高载机LiDAR数据的精度与处理速度，并提出改进的后点云配准方法，实现的点云的配准拼接。

简介：一、语言的习得和学习（一）母语的习得和学习近年来，随着语言理论研究的深入，不少学者把“学习”与“习得”区分开来。较早对这两个概念进行区分的是兰姆波特，而后科德、克拉申和乔姆斯基又进一步做了区分。他们认为，语言的掌握有两种不同的途径和方法：习得和学习。习得是儿童在自然的语言环境中，不经过正式的教授而自然地、

简介：图像配准是图像分析和处理的基本问题，在医学影像，遥感遥测，计算机视觉等领域有着广泛的应用。基于边缘提取和利用Fourier变换和Mellin变换，本文提出了估计医学图像之间的配准参数的新方法。文中的计算机模拟结果表明，这种方法非常适合多模态医学影像处理。

简介：摘要

简介：摘要目的通过锥形束CT(CBCT)图像与定位CT图像的配准分析前列腺癌调强放疗摆位误差中三维匹配和六维匹配的差异性以及相关性。方法选取2015年8月至2020年8月在中山大学肿瘤防治中心收治的49例前列腺癌患者的图像配准资料，每次治疗前执行1次CBCT扫描，整个疗程共获取637套CBCT图像。最后在医科达MOSAIQ系统中通过CBCT图像与定位CT图像的配准，分析旋转误差与平移误差间的差异，初步以旋转角度1°为界对旋转误差分组，分析其与平移误差的相关性，并探究体位固定装置外扩边界的肿瘤靶区外放边界值(MPTV)大小有无差异。结果冠状位(Rtn)旋转误差与前后方向(Vrt)(r＝0.187，P<0.001)、矢状位(Pitch)旋转误差与Vrt(r＝0.183，P<0.001)和左右方向(Lat)(r＝0.142，P<0.001)、横断位(Roll)旋转误差与Lat(r＝0.116，P＝0.003)均呈正相关。旋转误差<1°时对平移误差基本上无影响(P>0.05)，旋转误差≥1°时，Rtn与Vrt(r＝0.208，P<0.001)和Lat(r＝0.116，P＝0.009)、Pitch与Vrt(r＝0.241，P<0.001)和Lat(r＝0.153，P＝0.005)均呈正相关，Pitch与Vrt呈现中等程度相关。Roll对Vrt、Lat、Lng(上下方向)均无相关性(P>0.05)。三维和六维配准在Vrt、Lat、Lng三个方向的MPTV比较，差异均无统计学意义(均P>0.05)。结论不能使用六维数据应用于三维床的平移，旋转误差>1°时，对平移误差有明显影响。当旋转误差Rtn≥1°时，对治疗床的升降有明显影响，旋转误差Pitch≥1°时，对治疗床的升降及左右有明显影响。

简介：目前，监控视频、手机视频等各类影像采集技术与设备已在全社会普及，并且大量应用于各类场所。而此类视频的影像视觉效果往往较差。本文所探讨的人像重建技术就是针对此类问题而提出的，研究如何通过对模糊人像的特征采集，进而将这些特征融入为之所建立的高分辨率人像模型中，最终得到高视觉质量的人像图像。

简介：摘要在智慧城市建设中，点云、全景、高清影像等数据全面开花，数据量呈现指数增长。在众多数据采集手段中，三维激光技术最受欢迎而被广泛应用在城市数据采集中。论文分为两步，一是实现点云与影像数据的配准；二是深度图的全景影像的快速量测，使之为智慧城市、地图导览、文化遗产等行业提供服务。

简介：研究了互信息配准原理及其计算方法,然后用互信息作为图像配准的判据对实际医学图像进行了配准实验,取得了满意的结果。

简介：简要介绍了当代计算机视觉中图像配准问题的背景、数学模型以及计算方法。详细阐述了图像配准的原理以及同模式和多模式图像配准的特点和差异,依据两类问题的特性,以偏微分方程、统计及信息论等为基础来建立适用的数学模型,并探讨了在计算机上具体求解模型的方法。同时,展示了这些模型在解决实际的医学图像配准问题时的效果,以此说明各类模型的特点以及它们的效率和精度。

简介：摘要本文对图像配准问题进行了研究，提出了一种快速、稳健的基于特征点匹配的配准算法。采用小波变换建立图像金字塔，从分辨率最低的图像层开始进行特征点匹配，在次一层匹配时以上层匹配结果为粗值，在原始图像上得到初始匹配点后采用RANSAC算法稳健估计变换矩阵H；为了提高配准算法的精度，采用变换矩阵H引导两幅原始图像上的所有特征点重新进行匹配，对得到的匹配点集重新用RANSAC算法估计变换矩阵，并采用LM非线性优化算法进一步优化。通过实验分析对比，本文的算法比原算法速度更快，更稳健。

简介：摘要：结合新疆准东五彩湾地区A电厂及生产经营情况及机组实际运行情况，通过试验在配煤掺烧和燃烧优化调整方面做了大量的措施改进、方案优化工作，实践证明，将两项工作有机结合后 取得了良好的效果。

简介：摘要：CT成像技术可在不破坏样品的情况下，获取样品内部的结构信息。其系统参数的选择尤为重要。本文通过已知模板标定CT系统参数，并利用radon逆变换、滤波反变换消除伪影等方法对未知结构进行了成像，为后续图像配准完成了准备工作。

简介：［摘要］掌握识别中影响识别率的一个关键的因素就是掌纹的“误配准”问题，这是由于对掌纹进行剪切的时候，一般都会有几个像素点的偏移。为了解决这个问题，本文提出一种通过扰动掌纹中心点的方法从一个测试样本得到多个子测试样本，从而得到子测试样本与训练样本的精确配准。取匹配距离最小的测试子样本来决定测试样本所属的类。