换一批一种改进的条件方差和医学图像配准
An improved medical image registration method based on the sum of conditional variance
摘要多模医学图像配准是将不同医学成像模式提供的影像信息进行融合的关键步骤.条件方差和(SCV)是一种新的用于多模图像配准的相似性测度,但SCV的主要缺点是它仅使用量化信息来计算联合直方图.基于此,设计了一种新的插值函数来计算联合直方图,从而提高SCV的性能.将改进后的SVC用于多模医学图像配准,并与归一化互信息(MI)、交叉累积剩余熵(CCRE)和原SCV进行了比较.实验证明,相比NMI、CCRE和原SCV,本研究方法能配准具有不同空间变换和噪声的图像,具有更高的配准成功率和鲁棒性.
更多相关知识
关键词
图像配准条件方差和PV插值归一化互信息交叉累积剩余熵Image registrationSum of conditional variancePV interpolatorNormalized mutual informationCross cumulative residual entropy
栏目名称
DOI
10.19529/j.cnki.1672-6278.2018.01.15
发布时间
2018-05-11（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（81560296）
云南省教育厅科研项目（2015Y070）
- 浏览80
- 被引5
- 下载16
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
