CN112233158A - 微纳米ct投影图像的二次投影配准方法 - Google Patents
微纳米ct投影图像的二次投影配准方法 Download PDFInfo
- Publication number
- CN112233158A CN112233158A CN202011094107.9A CN202011094107A CN112233158A CN 112233158 A CN112233158 A CN 112233158A CN 202011094107 A CN202011094107 A CN 202011094107A CN 112233158 A CN112233158 A CN 112233158A
- Authority
- CN
- China
- Prior art keywords
- projection
- image
- matching
- projection image
- corrected
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/38—Registration of image sequences
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/262—Analysis of motion using transform domain methods, e.g. Fourier domain methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Multimedia (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
Description
技术领域
本发明涉及X射线纳米CT技术领域,特别是关于一种微纳米CT投影图像的二次投影配准方法。
背景技术
X射线纳米CT技术是指由X射线透视成像技术与纳米显微镜技术结合的三维成像技术,其空间分辨率可达到10纳米左右。在生命科学、化学以及材料科学等领域有着广阔应用。
然而,正是因为纳米CT的高精度特性,纳米CT在运转中对各元器件的精度有着较高的要求,实际中往往不能满足这些要求,使得成像的图像质量降低,进而使得纳米CT无法大范围推广使用。其中比较关键的一个问题在于图像分辨率的降低,常用于纳米CT的转台在运转过程中,往往会发生100纳米以上的径跳和端跳,1角度以上的摇摆,这使得纳米CT所测量样品的空间分辨率难以维持在10纳米左右。为了提高纳米CT的空间分辨率,我们需要对数据作适当的校正。
目前国内常用的校正方法主要有:
(1)硬件上利用电容传感器等精密仪器进行检测校正。但是,电容传感器价格昂贵,而且需要恒温恒湿等较好的测试环境,成本较为高昂,CCD测量法需要稳定长效的无指向的散射光光源,同时无法得到转轴的轴心轨迹。
(2)软件上的图像处理算法进行计算校正。但是,迭代重投影的方法只能校正径跳的误差,而且在一些转台径跳变化剧烈时收敛速度变慢。二次投影的空间域配准方法计算量大,导致了计算效率低。提取投影数据的特征点要求投影数据具有良好的对比度,否则存在较大的误差。而纳米CT数据,比如细胞数据,往往不具有良好的对比度,因此该方法的抗噪性不足。
发明内容
本发明的目的在于提供一种微纳米CT投影图像的二次投影配准方法来克服或至少减轻现有技术的上述缺陷中的至少一个。
为实现上述目的,本发明提供一种微纳米CT投影图像的二次投影配准方法,其特征在于,包括如下步骤:步骤1,获取样品在投影角下的待校正投影图像序列为取所述待校正投影图像序列中的第一待校正投影图像PA和第二待校正投影图像PB,并获取所述第一待校正投影图像PA对应的第一参考投影图像PAstd以及所述第二待校正投影图像PB对应第二参考投影图像PBstd;步骤2,将所述待校正投影图像序列中的第t张待校正投影图像为Pt(t=1,2,...,NA,t≠A,B)与所述第一参考投影图像PAstd按照如下子步骤进行二次投影的频域匹配校正:步骤21,将Pt按照预设的搜索角序列中的每一个角度进行旋转,得到一组旋转后的投影图像序列步骤22,计算的二次投影,得到一组二次投影信号序列步骤23,对与进行频域匹配,并计算匹配误差其中,表示第一图像序列与第二图像序列的二次投影匹配对应的二次投影信号,其中,第一图像序列表示所述第一待校正投影图像PA按搜索角序列中的每一个角度旋转后的图像序列,第二图像序列表示所述第二待校正投影图像PB按搜索角序列中的每一个角度旋转后的图像序列;步骤24,找出匹配误差中的最小值索引kmin,得到摇摆校正角和校正摇摆角后的第t张投影图像步骤25,计算的二次投影,得到校正摇摆角后的第t张投影图的二次投影信号并利用频域匹配计算到的匹配移动量步骤26,将投影图像向上平移得到第t张投影图像的校正端跳误差后的投影图像P′t,std;步骤27,取不同的待校正投影图像,返回步骤2,直至校正完毕所述待校正投影图像序列中所有第t张待校正投影图像的摇摆和端跳,得到校正摇摆和端跳误差后的投影图像
进一步地,步骤23具体包括:
步骤231,中的每一二次投影信号Ltk与分别为y轴方向的两个一维N元实数数组,其坐标均为{1,2,...,N},分别进行离散傅里叶变换,得到两个一维N元复数数组f(Ltk)和f(Ltk)和的中间项即第N/2项为低频项,分别记为f(Ltk)mid和利用下式(1)计算二者的相角差其中i为虚数单位:
和分别为y轴方向的两个一维N元实数数组,其坐标均为{1,2,...,N},分别进行离散傅里叶变换,得到两个一维N元复数数组和和的中间项即第N/2项为低频项,分别记为和利用下式(2)计算二者的匹配移动量
进一步地,所述方法还包括:
步骤31,设定最大迭代次数Niter,令iter=0;
步骤36,如果iter<Niter,进入步骤32,否则进行步骤37;
针对按照投影角度先后次序排列的投影图像从第一投影图像和第二投影图像开始,每相邻两张投影图像对应的行数据进行x轴方向进行频域匹配,找出每行的匹配移动量,并计算其均值,将其中的前一张图像沿着x方向按平均的移动匹配量进行移动,直到遍历完所有图像。
和中每行对应的数组分别为x轴方向的两个一维N元实数数组,记为和其坐标均为{1,2,...,N},row=1,2,...,Nr,分别进行离散傅里叶变换,得到两个一维N元复数数组和和的中间项即第N/2项为低频项,分别记为和利用下式(3)(4)计算二者的匹配移动量
步骤321,t=0;
步骤322,令t=t+1,若t≥NA,则转到步骤326,否则进入步骤323;
步骤325,返回步骤322;
和Pt (iter)(row)分别为x轴方向的两个一维N元实数数组,其坐标均为{1,2,...,N},row=1,2,...,Nr,分别进行离散傅里叶变换,得到两个一维N元复数数组和f(Pt (iter)(row)),和f(Pt (iter)(row))的中间项即第N/2项为低频项,分别记为和f(Pt (iter)(row))mid,利用下式(5)和(6)计算二者的匹配移动量
进一步地,步骤1中的“获取所述第一待校正投影图像PA对应的第一参考投影图像PAstd以及所述第二待校正投影图像PB对应第二参考投影图像PBstd”的方法具体包括:
进一步地,步骤13具体包括:
步骤131,i=0
步骤132,i=i+1,j=0,若i>Ns,转到步骤135;
步骤133,(3)j=j+1,若j>Ns,转到步骤132;
和分别为y轴方向的两个一维N元实数数组,其坐标均为{1,2,...,N},分别进行离散傅里叶变换,得到两个一维N元复数数组和和的中间项即第N/2项为低频项,分别记为和利用下式(7)计算二者的匹配移动量
本发明所涉及的校正方法属于软件层面上的方法,在估计端跳和摇摆信息方面,本发明采用二次投影的频域匹配方法,通过利用图像变换在频域的数学性质,为加快匹配的速度和精度,进而为提高计算效率提供了有利条件。在估计径跳信息方面,本发明提高采用加邻近匹配的迭代重投影方法在迭代重投影的基础上利用邻近匹配进行修正,从而加快了迭代速度,有利于提高计算效率。利用这些信息实现对投影数据的校正,重建出空间分辨率更高的图像。
附图说明
图3为本发明实施例提供的微纳米CT投影图像的二次投影配准方法中的一维N元数组Ltk沿y轴正方向移动m个单位的示意图。
图5的最左侧图是四棱柱形状样品S自虚线区域示意的初始位置到在y轴方向上存在端跳后的灰色填充区域示意的待校正位置示意图,中间图是两位置样品在扫描角度A下各自的投影图像PA,最右侧图是扫描角度A下的两投影沿着x方向的进行二次投影的各自得到的一维数组结果。
图6为最左侧图是四棱柱形状样品S自虚线区域示意的初始位置到在y轴方向上存在端跳后的灰色填充区域示意的待校正位置示意图,中间图是两位置样品在扫描角度A+90度下各自的投影图像PB,最右侧图是扫描角度B下的两投影沿着x方向的进行二次投影的各自得到的一维数组结果。
图7为本发明根据二次投影LA和LB频域匹配后所得的匹配移动量myAB,沿着y轴方向将投影PA和PB平移的端跳校正过程示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
如图4至图6所示,为了叙述简便,下面以长方体的样品S的二次投影原理为例,说明本发明实施例所在的XYZ坐标系,将样品S的一个表面置于纸面所在的平面内,视为XY平面,X轴与Y轴垂直。其中,X轴的正向如图中的二次投影到X轴上LB的延伸方向所示,即在纸面内向右的方向。Y轴在纸面内向上的方向为下文中的“向上”,反之为“向下”。Z轴垂直于XY平面,正方向为指向纸面内地方向,Z轴正方向为射线扫描方向。端跳方向定义为沿Y轴方向的跳动,即在Y轴方向的平移量。
本发明实施例提供的微纳米CT投影图像的二次投影配准方法包括如下步骤:
步骤1,获取样品在投影角下的待校正投影图像序列为取所述待校正投影图像序列中的第一待校正投影图像PA和第二待校正投影图像PB,并获取所述第一待校正投影图像PA对应的第一参考投影图像PAstd以及所述第二待校正投影图像PB对应第二参考投影图像PBstd。其中,任取待校正投影图像序列为中,间隔90°投影角的一组投影图像,分别取PA,PB。
在一个实施例中,步骤1中,“获取所述第一待校正投影图像PA对应的第一参考投影图像PAstd以及所述第二待校正投影图像PB对应第二参考投影图像PBstd”的方法具体包括:
步骤131,i=0;
步骤132,i=i+1,j=0,若i>Ns,转到步骤135;
步骤133,(3)j=j+1,若j>Ns,转到步骤132;
步骤134,对LAi和LBj进行频域匹配,并计算匹配误差errij,转到步骤133;
进一步地,步骤134中的“LAi和LBj进行频域匹配”的方法包括:
LAi和LBj为y轴有两个一维N元实数数组,其坐标均为{1,2,...,N},分别进行离散傅里叶变换,得到两个一维N元复数数组f(LAi)和f(LBj)。f(LAi)和f(LBj)的中间项即第N/2项,为低频项,分别记为f(LAi)mid和f(LBj)mid,计算二者的相角差将LAi数组沿着y轴正向移动mAi,Bj个单位,仍取坐标{1,2,...,N}上的数所构成的数组,记为LAi′,LBj′与LBj的近似程度最高,LAi′和LBj达成频域匹配,LAi′和LBj之间的均方根误差RMSE(LAi′,LBj),记为匹配误差ErrAi,Bj。
和分别为y轴方向的两个一维N元实数数组,其坐标均为{1,2,...,N},分别进行离散傅里叶变换,得到两个一维N元复数数组和和的中间项即第N/2项为低频项,分别记为和利用下式(7)计算二者的匹配移动量
步骤23,对与进行频域匹配,并计算匹配误差其中,表示第一图像序列与第二图像序列的二次投影匹配对应的二次投影信号,其中,第一图像序列表示所述第一待校正投影图像PA按搜索角序列中的每一个角度旋转后的图像序列,第二图像序列表示所述第二待校正投影图像PB按搜索角序列中的每一个角度旋转后的图像序列。
在一个实施例中,步骤23具体包括:
步骤231,如图1和图2所示,中的每一二次投影信号与分别为y轴方向的两个一维N元实数数组,其坐标均为{1,2,...,N},分别进行离散傅里叶变换,得到两个一维N元复数数组f(Ltk)和f(Ltk)和的中间项即第N/2项为低频项,分别记为f(Ltk)mid和利用下式(1)计算二者的相角差其中i为虚数单位;
和分别为y轴方向的两个一维N元实数数组,其坐标均为{1,2,...,N},分别进行离散傅里叶变换,得到两个一维N元复数数组和和的中间项即第N/2项为低频项,分别记为和利用下式(2)计算二者的匹配移动量
在一个实施例中,本发明实施例提供的微纳米CT投影图像的二次投影配准方法还包括:
步骤31,设定最大迭代次数Niter,令iter=0。
步骤36,如果iter<Niter,进入步骤32,否则进行步骤37。
在一个实施例中,步骤32中的“进行邻近匹配修正”具体包括:针对按照投影角度先后次序排列的投影图像从第一投影图像和第二投影图像开始,每相邻两张投影图像对应的行数据进行x方向进行频域匹配,找出每行的匹配移动量,并计算其均值,将其中的前一张图像沿着x方向按平均的移动匹配量进行移动,直到遍历完所有图像。
在一个实施例中,步骤32中的每相邻两张投影图像对应的行数据进行x方向进行频域匹配移动量的均值计算方法包括:
和中每行对应的数组分别为x轴方向的两个一维N元实数数组,记为和其坐标均为{1,2,...,N},row=1,2,...,Nr,分别进行离散傅里叶变换,得到两个一维N元复数数组和和的中间项即第N/2项为低频项,分别记为和利用下式(3)和(4)计算二者的匹配移动量
和中每行对应的数组分别为x轴方向的两个一维N元实数数组,记为和其坐标均为{1,2,...,N},row=1,2,...,Nr,分别进行离散傅里叶变换,得到两个一维N元复数数组和和的中间项即第N/2项为低频项,分别记为和利用下式计算二者的匹配移动量
步骤321,t=0;
步骤322,令t=t+1,若t≥NA,则转到步骤326,否则进入步骤323;
步骤325,返回步骤322;
在一个实施例中,步骤35中的“将不同投影角下的投影图像和的各行进行频域匹配”为“将不同投影角下的投影图像中的每一幅投影图像和中的每一幅投影图像Pt (iter)的相对应行进行频域匹配”的方法具体包括:
和Pt (iter)(row)分别为投影图像和Pt (iter)的第row行,row=1,2,...,Nr,也就是x轴方向的两个一维N元实数数组,其坐标均为{1,2,...,N},分别进行离散傅里叶变换,得到两个一维N元复数数组和f(Pt (iter)(row)),和f(Pt (iter)(row))的中间项即第N/2项为低频项,分别记为和f(Pt (iter)(row))mid,利用下式(5)和(6)计算二者的匹配移动量
本发明提供的校正方法,相比硬件校正方法,易于操作推广,可以节省大量的硬件成本。相比现有的软件算法校正方法,校正精度更高,计算速度更快。
最后需要指出的是:以上实施例仅用以说明本发明的技术方案,而非对其限制。本领域的普通技术人员应当理解:可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种微纳米CT投影图像的二次投影配准方法,其特征在于,包括如下步骤:
步骤1,获取样品在投影角下的待校正投影图像序列为取所述待校正投影图像序列中的第一待校正投影图像PA和第二待校正投影图像PB,并获取所述第一待校正投影图像PA对应的第一参考投影图像PAstd以及所述第二待校正投影图像PB对应第二参考投影图像PBstd;
步骤23,对与进行频域匹配,并计算匹配误差其中,表示第一图像序列与第二图像序列的二次投影匹配对应的二次投影信号,其中,第一图像序列表示所述第一待校正投影图像PA按搜索角序列中的每一个角度旋转后的图像序列,第二图像序列表示所述第二待校正投影图像PB按搜索角序列中的每一个角度旋转后的图像序列;
4.如权利要求1至3中任一项所述的微纳米CT投影图像的二次投影配准方法,其特征在于,还包括:
步骤31,设定最大迭代次数Niter,令iter=0;
步骤36,如果iter<Niter,进入步骤32,否则进行步骤37;
8.如权利要求7所述的微纳米CT投影图像的二次投影配准方法,其特征在于,步骤35中的“将不同投影角下的投影图像和的各行进行频域匹配”为“将不同投影角下的投影图像中的每一幅投影图像和中的每一幅投影图像Pt (iter)的相对应行进行频域匹配”的方法具体包括:
和Pt (iter)(row)分别为x轴方向的两个一维N元实数数组,其坐标均为{1,2,...,N},row=1,2,...,Nr,分别进行离散傅里叶变换,得到两个一维N元复数数组和f(Pt (iter)(row)),和f(Pt (iter)(row))的中间项即第N/2项为低频项,分别记为和f(Pt (iter)(row))mid,利用下式(5)和(6)计算二者的匹配移动量
10.如权利要求1所述的微纳米CT投影图像的二次投影配准方法,其特征在于,步骤1中的“获取所述第一待校正投影图像PA对应的第一参考投影图像PAstd以及所述第二待校正投影图像PB对应第二参考投影图像PBstd”的方法具体包括:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011094107.9A CN112233158B (zh) | 2020-10-14 | 2020-10-14 | 微纳米ct投影图像的二次投影配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011094107.9A CN112233158B (zh) | 2020-10-14 | 2020-10-14 | 微纳米ct投影图像的二次投影配准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112233158A true CN112233158A (zh) | 2021-01-15 |
CN112233158B CN112233158B (zh) | 2022-02-15 |
Family
ID=74113399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011094107.9A Active CN112233158B (zh) | 2020-10-14 | 2020-10-14 | 微纳米ct投影图像的二次投影配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112233158B (zh) |
Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201078765Y (zh) * | 2006-08-23 | 2008-06-25 | 浦比俊引特艾克堤夫科技公司 | 具塑料曲面镜且增强图像与校正像差的真实图像投影装置 |
CN101283910A (zh) * | 2008-06-05 | 2008-10-15 | 华北电力大学 | 一种获取冠状动脉血管运动信息的方法 |
CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
CN101496064A (zh) * | 2006-04-06 | 2009-07-29 | 皇家飞利浦电子股份有限公司 | 用于重构图像的方法和用于重构图像的重构系统 |
CN103889329A (zh) * | 2011-10-24 | 2014-06-25 | 皇家飞利浦有限公司 | 用于ct 切片图像的运动补偿二次传递金属伪影校正 |
CN104240272A (zh) * | 2014-07-16 | 2014-12-24 | 中国人民解放军信息工程大学 | 一种基于伪极坐标tv最小化直线轨迹ct图像重建方法 |
CN104616280A (zh) * | 2014-11-26 | 2015-05-13 | 西安电子科技大学 | 基于最大稳定极值区域和相位一致性的图像配准方法 |
US20160217577A1 (en) * | 2015-01-22 | 2016-07-28 | Bae Systems Information And Electronic Systems Integration Inc. | Enhanced phase correlation for image registration |
US20170039765A1 (en) * | 2014-05-05 | 2017-02-09 | Avigilon Fortress Corporation | System and method for real-time overlay of map features onto a video feed |
US20170309066A1 (en) * | 2016-04-22 | 2017-10-26 | Utah State University Research Foundation | Textured digital elevation model generation |
CN107680137A (zh) * | 2017-09-20 | 2018-02-09 | 东南大学 | 一种基于球体投影公切线的多相机标定及参数优化方法 |
CN108269274A (zh) * | 2016-12-31 | 2018-07-10 | 南京理工大学 | 基于傅里叶变换和Hough变换的图像配准方法 |
CN108322409A (zh) * | 2018-01-25 | 2018-07-24 | 杭州电子科技大学 | 基于广义正交匹配追踪算法的稀疏ofdm信道估计方法 |
WO2018142496A1 (ja) * | 2017-02-01 | 2018-08-09 | 株式会社日立製作所 | 三次元計測装置 |
CN108876770A (zh) * | 2018-06-01 | 2018-11-23 | 山东师范大学 | 一种眼底多光谱图像联合配准方法及系统 |
US20190080167A1 (en) * | 2017-09-13 | 2019-03-14 | TuSimple | Data acquistion and input of neural network system for deep odometry assisted by static scene optical flow |
US20190266711A1 (en) * | 2018-02-28 | 2019-08-29 | Seiko Epson Corporation | Circuit device and electronic apparatus |
CN110543859A (zh) * | 2019-09-05 | 2019-12-06 | 大连海事大学 | 一种基于深度学习和双目定位的海参自主识别和抓取方法 |
CN110570525A (zh) * | 2019-08-15 | 2019-12-13 | 同济大学 | 增强现实系统中三维扫描坐标与投影坐标快速匹配的方法 |
CN110648363A (zh) * | 2019-09-16 | 2020-01-03 | 腾讯科技(深圳)有限公司 | 相机姿态确定方法、装置、存储介质及电子设备 |
CN110794660A (zh) * | 2018-08-02 | 2020-02-14 | 河北工程大学 | 一种图像记录系统及图像分类方法 |
CN110855903A (zh) * | 2019-11-19 | 2020-02-28 | 长沙品先信息技术有限公司 | 一种多路视频实时拼接方法 |
CN110942449A (zh) * | 2019-10-30 | 2020-03-31 | 华南理工大学 | 一种基于激光与视觉融合的车辆检测方法 |
CN110992409A (zh) * | 2019-11-22 | 2020-04-10 | 大连理工大学 | 基于傅里叶变换配准的多光谱立体相机动态配准算法 |
CN111179173A (zh) * | 2019-12-26 | 2020-05-19 | 福州大学 | 一种基于离散小波变换和坡度融合算法的图像拼接方法 |
-
2020
- 2020-10-14 CN CN202011094107.9A patent/CN112233158B/zh active Active
Patent Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101496064A (zh) * | 2006-04-06 | 2009-07-29 | 皇家飞利浦电子股份有限公司 | 用于重构图像的方法和用于重构图像的重构系统 |
CN201078765Y (zh) * | 2006-08-23 | 2008-06-25 | 浦比俊引特艾克堤夫科技公司 | 具塑料曲面镜且增强图像与校正像差的真实图像投影装置 |
CN101283910A (zh) * | 2008-06-05 | 2008-10-15 | 华北电力大学 | 一种获取冠状动脉血管运动信息的方法 |
CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
CN103889329A (zh) * | 2011-10-24 | 2014-06-25 | 皇家飞利浦有限公司 | 用于ct 切片图像的运动补偿二次传递金属伪影校正 |
US20170039765A1 (en) * | 2014-05-05 | 2017-02-09 | Avigilon Fortress Corporation | System and method for real-time overlay of map features onto a video feed |
CN104240272A (zh) * | 2014-07-16 | 2014-12-24 | 中国人民解放军信息工程大学 | 一种基于伪极坐标tv最小化直线轨迹ct图像重建方法 |
CN104616280A (zh) * | 2014-11-26 | 2015-05-13 | 西安电子科技大学 | 基于最大稳定极值区域和相位一致性的图像配准方法 |
US20160217577A1 (en) * | 2015-01-22 | 2016-07-28 | Bae Systems Information And Electronic Systems Integration Inc. | Enhanced phase correlation for image registration |
US20170309066A1 (en) * | 2016-04-22 | 2017-10-26 | Utah State University Research Foundation | Textured digital elevation model generation |
CN108269274A (zh) * | 2016-12-31 | 2018-07-10 | 南京理工大学 | 基于傅里叶变换和Hough变换的图像配准方法 |
WO2018142496A1 (ja) * | 2017-02-01 | 2018-08-09 | 株式会社日立製作所 | 三次元計測装置 |
US20190080167A1 (en) * | 2017-09-13 | 2019-03-14 | TuSimple | Data acquistion and input of neural network system for deep odometry assisted by static scene optical flow |
CN107680137A (zh) * | 2017-09-20 | 2018-02-09 | 东南大学 | 一种基于球体投影公切线的多相机标定及参数优化方法 |
CN108322409A (zh) * | 2018-01-25 | 2018-07-24 | 杭州电子科技大学 | 基于广义正交匹配追踪算法的稀疏ofdm信道估计方法 |
US20190266711A1 (en) * | 2018-02-28 | 2019-08-29 | Seiko Epson Corporation | Circuit device and electronic apparatus |
CN108876770A (zh) * | 2018-06-01 | 2018-11-23 | 山东师范大学 | 一种眼底多光谱图像联合配准方法及系统 |
CN110794660A (zh) * | 2018-08-02 | 2020-02-14 | 河北工程大学 | 一种图像记录系统及图像分类方法 |
CN110570525A (zh) * | 2019-08-15 | 2019-12-13 | 同济大学 | 增强现实系统中三维扫描坐标与投影坐标快速匹配的方法 |
CN110543859A (zh) * | 2019-09-05 | 2019-12-06 | 大连海事大学 | 一种基于深度学习和双目定位的海参自主识别和抓取方法 |
CN110648363A (zh) * | 2019-09-16 | 2020-01-03 | 腾讯科技(深圳)有限公司 | 相机姿态确定方法、装置、存储介质及电子设备 |
CN110942449A (zh) * | 2019-10-30 | 2020-03-31 | 华南理工大学 | 一种基于激光与视觉融合的车辆检测方法 |
CN110855903A (zh) * | 2019-11-19 | 2020-02-28 | 长沙品先信息技术有限公司 | 一种多路视频实时拼接方法 |
CN110992409A (zh) * | 2019-11-22 | 2020-04-10 | 大连理工大学 | 基于傅里叶变换配准的多光谱立体相机动态配准算法 |
CN111179173A (zh) * | 2019-12-26 | 2020-05-19 | 福州大学 | 一种基于离散小波变换和坡度融合算法的图像拼接方法 |
Non-Patent Citations (2)
Title |
---|
BANERJEE J等: "Multiple-correlation similarity for block-matching based fast CT to ultrasound registration in liver interventions", 《MEDICAL IMAGE ANALYSIS》 * |
张蕴婉: "先验信息导引的稀疏角度CT重建算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112233158B (zh) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhong et al. | Cryodrgn2: Ab initio neural reconstruction of 3d protein structures from real cryo-em images | |
US7950849B2 (en) | Method and device for geometry analysis and calibration of volumetric imaging systems | |
CN111383272B (zh) | 一种双目视觉水果分拣并联机器人视觉盲区末端位姿检测方法 | |
CN107655405B (zh) | 利用自聚焦迭代算法消除物体与ccd间轴向距离误差的方法 | |
CN111429494B (zh) | 一种基于生物视觉的点云高精度自动配准方法 | |
CN106056645B (zh) | 基于频域分析的ct图像平移运动伪影校正方法 | |
CN111612731B (zh) | 基于双目显微视觉的测量方法、装置、系统及介质 | |
CN111899290A (zh) | 一种联合偏振和双目视觉的三维重建方法 | |
CN110057847A (zh) | Tr层析扫描投影重排方法及装置 | |
CN112233156B (zh) | 微纳米ct投影数据的中心切片对齐方法 | |
CN117557733B (zh) | 基于超分辨率的自然保护区三维重建方法 | |
CN112233158B (zh) | 微纳米ct投影图像的二次投影配准方法 | |
CN112233157B (zh) | 微纳米ct系统转台误差的频域校正方法 | |
CN108364325B (zh) | 规则样品x射线ct投影图位置平移偏差检测及校正方法 | |
CN116630460A (zh) | 源直线扫描轨迹的探测器行向微分高质量图像重建方法 | |
US7702180B2 (en) | Imaging method and device for the computer-assisted evaluation of computer-tomographic measurements by means of direct iterative reconstruction | |
CN114820927A (zh) | 一种基于数据重排和共轭射线的工业ct三维图像重建方法 | |
CN110047048B (zh) | 一种基于mse选优的相位恢复改进算法 | |
CN113052929A (zh) | 一种基于投影视角加权的直线扫描cl重建方法 | |
CN114092594B (zh) | 一种锥束ct系统和轴对称外形样品的几何误差校正方法 | |
US20070142723A1 (en) | Correction of geometric distortions in magnetic resonance images | |
CN116952988B (zh) | 一种用于ecu产品的2d线扫检测方法及系统 | |
Kishore et al. | Implicit Reconstructions from Deformed Projections for CryoET | |
CN114018962B (zh) | 一种基于深度学习的同步多螺旋计算机断层成像方法 | |
CN115412721B (zh) | 一种点云二维规则化平面投影方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210413 Address after: 215127 west of Yiye Road south of Huikai road Luzhi town Wuzhong District Suzhou City Jiangsu Province Applicant after: Lima precision measurement technology (Suzhou) Co.,Ltd. Address before: 100048 No. 105 West Third Ring Road North, Beijing, Haidian District Applicant before: Capital Normal University |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |