换一批摘要本文采用基于特征点的匹配算法完成对实验医学图像的匹配，从特征点数量、特征提取时间和匹配准确性等方面比较尺度不变特征变换（SIFT）和快速鲁棒特征（SURF）算法，然后采用K最近邻算法（KNN）去除误匹配，统计分析不同阈值的随机抽样一致算法（RANSAC）和最小中值方差估计算法（LMEDS）与配准结果的相关性。本研究建立了基于特征点的医学图像配准算法程序实验平台，实现了多算法融合的医学图像特征匹配，对进一步探讨和改进医学图像配准提供了研究基础。
更多相关知识
关键词
SIFTSURF图像匹配K最近邻算法scale-invariant feature transformspeeded up robust featuresimage matchingK-nearest neighbor algorithm
分类号
TN911.23
DOI
10.3969/j.issn.1674-1633.2016.04.008
发布时间
2016-06-08（万方平台首次上网日期，不代表论文的发表时间）
基金项目
安徽省级质量工程项目（(2015sjjd008、2015jyxm191)）
- 浏览215
- 被引23
- 下载6
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
