CN112991403A - 一种图像配准方法和装置 - Google Patents

一种图像配准方法和装置 Download PDF

Info

Publication number
CN112991403A
CN112991403A CN201911214987.6A CN201911214987A CN112991403A CN 112991403 A CN112991403 A CN 112991403A CN 201911214987 A CN201911214987 A CN 201911214987A CN 112991403 A CN112991403 A CN 112991403A
Authority
CN
China
Prior art keywords
image
frequency component
sub
registered
images
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.)
Pending
Application number
CN201911214987.6A
Other languages
English (en)
Inventor
刘林泉
杨加成
张强
席奎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHENZHEN EMPEROR ELECTRONIC TECHNOLOGY CO LTD
Original Assignee
SHENZHEN EMPEROR ELECTRONIC TECHNOLOGY CO LTD
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SHENZHEN EMPEROR ELECTRONIC TECHNOLOGY CO LTD filed Critical SHENZHEN EMPEROR ELECTRONIC TECHNOLOGY CO LTD
Priority to CN201911214987.6A priority Critical patent/CN112991403A/zh
Publication of CN112991403A publication Critical patent/CN112991403A/zh
Pending legal-status Critical Current

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
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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
    • G06T7/37—Determination of transform parameters for the alignment of images, i.e. image registration using transform 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
    • G06T2207/10132—Ultrasound image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Compression Of Band Width Or Redundancy In Fax (AREA)
  • Image Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

一种图像配准方法和装置，包括：输入待配准图像和参考图像并分别进行小波变换，得到对应的待配准图像子图像和参考图像子图像；对所述待配准图像子图像进行配准，根据所述参考图像子图像和配准后的所述待配准图像子图像计算所述待配准子图像的CC函数值；根据所述CC函数值获取修正后的配准图像。在本申请的实施例中，对小波分解后多个尺度、多个角度的子图像求解CC函数，并通过其多级特性，对多个多尺度分量子图像进行配准，在一定程度上对误差、精度、方向性、对位移容错性进行了适量改进。

Description

一种图像配准方法和装置
技术领域
本申请涉及图像处理，尤其涉及一种图像配准方法和装置。
背景技术
近年来，一种新的超声容积导航技术得到发展，其原理为在超声查找病变的过程中，使实时或静态声像图与术前采集的CT或MR的H维数据进行图像融合，得到融合图像后，使用电磁场跟踪系统，协助医生在实时超声图像中更快地找到病变部位。这种技术是电磁导航技术与图像融合技术的结合，需要超声系统具备电磁跟踪装置及图像配准、融合算法，后者能够在经皮介入治疗或穿刺活检等治疗中实现多模式的图像配准、融合、视觉导航。图像配准、融合算法能够将患者术前的CT/MRI图像与术中的超声声像图进行实时配准、融合，送样就能够实时在声像图中显示针尖的位置和轨迹。然而目前采用的图像配准技术易得到错误窗口对，导致配准出错。
发明内容
本申请提供一种图像配准方法和装置。
根据本申请的第一方面，本申请提供一种图像配准方法，包括：
输入待配准图像和参考图像并分别进行小波变换，得到对应的待配准图像子图像和参考图像子图像；
对所述待配准图像子图像进行配准，根据所述参考图像子图像和配准后的所述待配准图像子图像计算所述待配准子图像的CC函数值；
根据所述CC函数值获取修正后的配准子图像。
进一步地，所述待配准图像子图像和参考图像子图像，分别包括低频分量、水平高频分量、垂直高频分量和对角高频分量；
所述对待配准图像子图像进行配准，包括：
分别对所述待配准图像子图像的所述低频分量、所述水平高频分量、所述垂直高频分量和所述对角高频分量中的一个或多个进行拉普拉斯金字塔修正配准。
进一步地，所述分别对所述待配准图像子图像的所述低频分量、所述水平高频分量、所述垂直高频分量和所述对角高频分量中的一个或多个进行拉普拉斯金字塔修正配准，包括：
分别对所述待配准图像子图像的所述低频分量、所述水平高频分量、所述垂直高频分量和所述对角高频分量的多层图像从底层图像开始，通过平移量和旋转角估计该层图像的配准参数，并计算每一分量的CC函数值；
通过该层子图像的配准参数调整下一层子图像分量直至最高层子图像；
记录最高层子图像的所述低频分量、所述水平高频分量、所述垂直高频分量和所述对角高频分量的CC函数值。
进一步地，所述根据CC函数值获取修正后的配准子图像，包括：
分别累加所述最高层子图像的所述低频分量、所述水平高频分量、所述垂直高频分量和所述对角高频分量的CC函数值；
输出累加和最大且超过预定阈值的图像作为配准图像。
根据本申请的第二方面，本申请提供一种图像配准装置，包括：
转换模块，用于输入待配准图像和参考图像并分别进行小波变换，得到对应的待配准图像子图像和参考图像子图像；
配准模块，用于对所述待配准图像子图像进行配准，根据所述参考图像子图像和配准后的所述待配准图像子图像计算所述待配准子图像的CC函数值；
输出模块，用于根据所述CC函数值获取修正后的配准子图像。
进一步地，所述待配准图像子图像和参考图像子图像，分别包括低频分量、水平高频分量、垂直高频分量和对角高频分量；
所述配准模块，还用于分别对所述待配准图像子图像的所述低频分量、所述水平高频分量、所述垂直高频分量和所述对角高频分量中的一个或多个进行拉普拉斯金字塔修正配准。
进一步地，所述配准模块包括：
处理单元，用于分别对所述待配准图像子图像的所述低频分量、所述水平高频分量、所述垂直高频分量和所述对角高频分量的多层图像从底层图像开始，通过平移量和旋转角估计该层图像的配准参数，并计算每一分量的CC函数值；
调整单元，用于通过该层子图像的配准参数调整下一层子图像分量直至最高层子图像；
记录单元，用于记录最高层子图像的所述低频分量、所述水平高频分量、所述垂直高频分量和所述对角高频分量的CC函数值。
进一步地，所述输出模块包括：
累加单元，用于分别累加所述最高层子图像的所述低频分量、所述水平高频分量、所述垂直高频分量和所述对角高频分量的CC函数值；
输出单元，用于输出累加和最大且超过预定阈值的图像作为配准图像。
根据本申请的第三方面，本申请提供一种图像配准装置，包括：
存储器，用于存储程序；
处理器，用于通过执行所述存储器存储的程序以实现上述方法。
根据本申请的第四方面，本申请提供一种计算机可读存储介质，包括程序，所述程序能够被处理器执行以实现上述方法。
本申请的有益效果是(或不写这句，对于要申请美国的申请，可省去有益效果部分)：
由于采用了以上技术方案，使本申请具备的有益效果在于：
在本申请的实施例中，由于包括对待配准图像和参考图像分别进行小波变换，得到对应的待配准图像子图像和参考图像子图像；对待配准图像子图像进行配准，根据参考图像子图像和配准后的待配准图像子图像计算待配准子图像的CC函数值；根据CC函数值获取修正后的配准图像。本申请对小波分解后多个尺度、多个角度的子图像求解CC函数，并通过其多级特性，对多个多尺度分量子图像进行配准，在一定程度上对误差、精度、方向性、对位移容错性进行了适量改进。
附图说明
图1为本申请的方法在一种实施方式中的流程图；
图2为本申请的方法在另一种实施方式中的流程图；
图3为本申请装置在一种实施方式中的程序模块示意图；
图4为本申请装置在另一种实施方式中的程序模块示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。本申请可以以多种不同的形式来实现，并不限于本实施例所描述的实施方式。提供以下具体实施方式的目的是便于对本申请公开内容更清楚透彻的理解，其中上、下、左、右等指示方位的字词仅是针对所示结构在对应附图中位置而言。
然而，本领域的技术人员可能会意识到其中的一个或多个的具体细节描述可以被省略，或者还可以采用其他的方法、组件或材料。在一些例子中，一些实施方式并没有描述或没有详细的描述。
本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。
此外，本文中记载的技术特征、技术方案还可以在一个或多个实施例中以任意合适的方式组合。对于本领域的技术人员来说，易于理解与本文提供的实施例有关的方法的步骤或操作顺序还可以改变。因此，附图和实施例中的任何顺序仅仅用于说明用途，并不暗示要求按照一定的顺序，除非明确说明要求按照某一顺序。
对小波分解后多个尺度、多个角度的子图像求解CC函数，并通过其多级特性，对多个多尺度分量子图像进行类拉普拉斯金字塔配准方式进行配准，在子图像最高层皆有一个CC函数，共有低频、水平高频、垂直高频、对角高频等4个CC函数值，且每个CC函数值带有不同的配准信息，若以单一为准则易引进误差，累加4个CC函数值，超过阈值且最大为其配准结果，在一定程度上对误差、精度、方向性、对位移容错性进行了适量改进。
实施例一：
如图1所示，本申请的图像配准方法，其一种实施方式，包括以下步骤：
步骤102：输入待配准图像和参考图像并分别进行小波变换，得到对应的待配准图像子图像和参考图像子图像。
步骤104：对待配准图像子图像进行配准，根据参考图像子图像和配准后的待配准图像子图像计算待配准子图像的CC函数值。
CC函数值具体可通过以下公式进行计算：
Figure BDA0002299263090000041
其中W为原始图像窗口对图像，E表示均值，I为待配准图像所选窗口，(i,j)为窗口内的组成图像的点的坐标。
步骤106：根据CC函数值获取修正后的配准图像。
如图2所示，本申请的图像配准方法，其另一种实施方式，包括以下步骤：
步骤202：分别输入待配准图像和参考图像。
步骤204：分别对待配准图像和参考图像进行小波分解，得到多个尺度、多方向和多层级的子图像。
对待配准图像进行小波分解后，得到待配准图像的子图像，待配准图像的子图像包括低频分量、水平高频分量、垂直高频分量和对角高频分量。对参考图像进行小波分解后，得到参考图像的子图像，参考图像的子图像也包括低频分量、水平高频分量、垂直高频分量和对角高频分量。
步骤206：分别获取待配准图像子图像的低频分量、水平高频分量、垂直高频分量和对角高频分量的底层子图像，此时，底层子图像为当前子图像。
步骤208：计算该层子图像的配准参数，配准参数包括计算平移量Δx和旋转角
Figure BDA0002299263090000051
并计算该层子图像的CC函数值。
步骤210：判断该层子图像是否为最高层子图像；若是转步骤214，否则转步骤212。
步骤212：使用该层子图像的配准参数调整下层子图像，配准层级加1，下层子图像转为当前子图像，转步骤208。
步骤214：获得参考图像的子图像各个分量的最高层子图像的CC函数值。
进一步地，本申请的方法可以分别对待配准图像子图像的低频分量、水平高频分量、垂直高频分量和对角高频分量中的一个或多个进行拉普拉斯金字塔修正配准。在本实施方式中，可以对待配准图像子图像的低频分量、水平高频分量、垂直高频分量和对角高频分量这四种分量进行拉普拉斯金字塔修正配准。具体可以先对四种分量中的一种进行配准，得到该分量的最高层子图像的CC函数值，再对另一种分量进行配准，得到其的最高层子图像的CC函数值，直到得到全部分量的最高层子图像的CC函数值。或者，可以同时对四种分量的底层子图像进行配准，然后再对四种分量的下一层子图像进行配准，直到得到全部分量的最高层子图像的CC函数值。
步骤216：累加最高层子图像的低频分量、水平高频分量、垂直高频分量和对角高频分量的CC函数值。
步骤218：输出累加和最大且超过预定阈值的图像作为配准图像。
实施例二：
如图3、图4所示，本申请的图像配准装置300，其一种实施方式，包括转换模块310、配准模块320和输出模块330。
转换模块310，用于输入待配准图像和参考图像并分别进行小波变换，得到对应的待配准图像子图像和参考图像子图像；
配准模块320，用于对待配准图像子图像进行配准，根据参考图像子图像和配准后的待配准图像子图像计算待配准子图像的CC函数值；
输出模块330，用于根据CC函数值获取修正后的配准图像。
进一步地，待配准图像子图像和参考图像子图像，分别包括低频分量、水平高频分量、垂直高频分量和对角高频分量；
配准模320块，还用于分别对待配准图像子图像的低频分量、水平高频分量、垂直高频分量和对角高频分量中的一个或多个进行拉普拉斯金字塔修正配准。
进一步地，配准模块320可以包括处理单元321、调整单元322和记录单元323。
处理单元321，用于分别对待配准图像子图像的低频分量、水平高频分量、垂直高频分量和对角高频分量的多层子图像从底层子图像开始，通过平移量和旋转角估计该层图像的配准参数，并计算每一分量的CC函数值；
调整单元322，用于通过该层子图像的配准参数调整下一层子图像分量直至最高层子图像；
记录单元323，用于记录最高层子图像的低频分量、水平高频分量、垂直高频分量和对角高频分量的CC函数值。
进一步地，输出模块330可以包括累加单元331和输出单元332。
累加单元，用于分别累加最高层子图像的低频分量、水平高频分量、垂直高频分量和对角高频分量的CC函数值；
输出单元，用于输出累加和最大且超过预定阈值的图像作为配准图像。
实施例三：
本申请的图像配准装置，其一种实施方式，包括存储器和处理器。
存储器，用于存储程序；
处理器，用于通过执行所述存储器存储的程序以实现实施例一中的方法。
实施例四：
一种计算机可读存储介质，包括程序，程序能够被处理器执行以实现实施例一中的方法。
本领域技术人员可以理解，上述实施方式中各种方法的全部或部分步骤可以通过程序来指令相关硬件完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘或光盘等。
以上内容是结合具体的实施方式对本申请所作的进一步详细说明，不能认定本申请的具体实施只局限于这些说明。对于本申请所属技术领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干简单推演或替换。

Claims (10)

1.一种图像配准方法，其特征在于，包括：
输入待配准图像和参考图像并分别进行小波变换，得到对应的待配准图像子图像和参考图像子图像；
对所述待配准图像子图像进行配准，根据所述参考图像子图像和配准后的所述待配准图像子图像计算所述待配准子图像的CC函数值；
根据所述CC函数值获取修正后的配准图像。
2.如权利要求1所述的方法，其特征在于，所述待配准图像子图像和参考图像子图像，分别包括低频分量、水平高频分量、垂直高频分量和对角高频分量；
所述对待配准图像子图像进行配准，包括：
分别对所述待配准图像子图像的所述低频分量、所述水平高频分量、所述垂直高频分量和所述对角高频分量中的一个或多个进行拉普拉斯金字塔修正配准。
3.如权利要求2所述的方法，其特征在于，所述分别对所述待配准图像子图像的所述低频分量、所述水平高频分量、所述垂直高频分量和所述对角高频分量中的一个或多个进行拉普拉斯金字塔修正配准，包括：
分别对所述待配准图像子图像的所述低频分量、所述水平高频分量、所述垂直高频分量和所述对角高频分量的多层图像从底层图像开始，通过平移量和旋转角估计该层图像的配准参数，并计算每一分量的CC函数值；
通过该层子图像的配准参数调整下一层子图像分量直至最高层子图像；
记录最高层子图像的所述低频分量、所述水平高频分量、所述垂直高频分量和所述对角高频分量的CC函数值。
4.如权利要求3所述的方法，其特征在于，所述根据CC函数值获取修正后的配准图像，包括：
分别累加所述最高层子图像的所述低频分量、所述水平高频分量、所述垂直高频分量和所述对角高频分量的CC函数值；
输出累加和最大且超过预定阈值的图像作为配准图像。
5.一种图像配准装置，其特征在于，包括：
转换模块，用于输入待配准图像和参考图像并分别进行小波变换，得到对应的待配准图像子图像和参考图像子图像；
配准模块，用于对所述待配准图像子图像进行配准，根据所述参考图像子图像和配准后的所述待配准图像子图像计算所述待配准子图像的CC函数值；
输出模块，用于根据所述CC函数值获取修正后的配准图像。
6.如权利要求5所述的装置，其特征在于，所述待配准图像子图像和参考图像子图像，分别包括低频分量、水平高频分量、垂直高频分量和对角高频分量；
所述配准模块，还用于分别对所述待配准图像子图像的所述低频分量、所述水平高频分量、所述垂直高频分量和所述对角高频分量中的一个或多个进行拉普拉斯金字塔修正配准。
7.如权利要求6所述的装置，其特征在于，所述配准模块包括：
处理单元，用于分别对所述待配准图像子图像的所述低频分量、所述水平高频分量、所述垂直高频分量和所述对角高频分量的多层图像从底层图像开始，通过平移量和旋转角估计该层图像的配准参数，并计算每一分量的CC函数值；
调整单元，用于通过该层子图像的配准参数调整下一层子图像分量直至最高层子图像；
记录单元，用于记录最高层子图像的所述低频分量、所述水平高频分量、所述垂直高频分量和所述对角高频分量的CC函数值。
8.如权利要求7所述的装置，其特征在于，所述输出模块包括：
累加单元，用于分别累加所述最高层子图像的所述低频分量、所述水平高频分量、所述垂直高频分量和所述对角高频分量的CC函数值；
输出单元，用于输出累加和最大且超过预定阈值的图像作为配准图像。
9.一种图像配准装置，其特征在于，包括：
存储器，用于存储程序；
处理器，用于通过执行所述存储器存储的程序以实现如权利要求1-4中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，包括程序，所述程序能够被处理器执行以实现如权利要求1-4中任一项所述的方法。
CN201911214987.6A 2019-12-02 2019-12-02 一种图像配准方法和装置 Pending CN112991403A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911214987.6A CN112991403A (zh) 2019-12-02 2019-12-02 一种图像配准方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911214987.6A CN112991403A (zh) 2019-12-02 2019-12-02 一种图像配准方法和装置

Publications (1)

Publication Number Publication Date
CN112991403A true CN112991403A (zh) 2021-06-18

Family

ID=76331145

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911214987.6A Pending CN112991403A (zh) 2019-12-02 2019-12-02 一种图像配准方法和装置

Country Status (1)

Country Link
CN (1) CN112991403A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6798897B1 (en) * 1999-09-05 2004-09-28 Protrack Ltd. Real time image registration, motion detection and background replacement using discrete local motion estimation
CN1822046A (zh) * 2006-03-30 2006-08-23 上海电力学院 基于区域特征模糊的红外与可见光图像融合方法
CN102063715A (zh) * 2010-12-25 2011-05-18 浙江师范大学 基于nsct和粒子群优化算法的台风云图融合方法
CN102063713A (zh) * 2010-11-11 2011-05-18 西北工业大学 基于邻域归一化梯度和邻域标准差的多聚焦图像融合方法
US20140044348A1 (en) * 2011-02-18 2014-02-13 National Ict Australia Limited Image quality assessment
WO2016119745A1 (zh) * 2015-01-29 2016-08-04 乐视网信息技术（北京）股份有限公司 一种视频去噪方法及装置
CN108830886A (zh) * 2018-05-31 2018-11-16 沈阳东软医疗系统有限公司 图像配准方法、装置及设备和存储介质
US20190206070A1 (en) * 2016-05-18 2019-07-04 Auckland Uniservices Limited Image registration method
US10460458B1 (en) * 2017-09-14 2019-10-29 United States Of America As Represented By The Secretary Of The Air Force Method for registration of partially-overlapped aerial imagery using a reduced search space methodology with hybrid similarity measures

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6798897B1 (en) * 1999-09-05 2004-09-28 Protrack Ltd. Real time image registration, motion detection and background replacement using discrete local motion estimation
CN1822046A (zh) * 2006-03-30 2006-08-23 上海电力学院 基于区域特征模糊的红外与可见光图像融合方法
CN102063713A (zh) * 2010-11-11 2011-05-18 西北工业大学 基于邻域归一化梯度和邻域标准差的多聚焦图像融合方法
CN102063715A (zh) * 2010-12-25 2011-05-18 浙江师范大学 基于nsct和粒子群优化算法的台风云图融合方法
US20140044348A1 (en) * 2011-02-18 2014-02-13 National Ict Australia Limited Image quality assessment
WO2016119745A1 (zh) * 2015-01-29 2016-08-04 乐视网信息技术（北京）股份有限公司 一种视频去噪方法及装置
US20190206070A1 (en) * 2016-05-18 2019-07-04 Auckland Uniservices Limited Image registration method
US10460458B1 (en) * 2017-09-14 2019-10-29 United States Of America As Represented By The Secretary Of The Air Force Method for registration of partially-overlapped aerial imagery using a reduced search space methodology with hybrid similarity measures
CN108830886A (zh) * 2018-05-31 2018-11-16 沈阳东软医疗系统有限公司 图像配准方法、装置及设备和存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
BHATARIA K C等: "A review of image fusion techniques", 《2018 SECOND INTERNATIONAL CONFERENCE ON COMPUTING METHODOLOGIES AND COMMUNICATION(ICCMC)》, 11 October 2018 (2018-10-11), pages 114 - 123 *
CHAUDHAR T V等: "Area Based Image Registration using Wavelet Transform and Oriented Laplacian Pyramid", 《INTERNATIONAL JOURNAL OF ENGINEERING RESEARCH & TECHNOLOGY(IJERT)》, vol. 4, no. 01, 31 January 2015 (2015-01-31), pages 356 - 362 *

Similar Documents

Publication Publication Date Title
US7106891B2 (en) System and method for determining convergence of image set registration
CN107886508B (zh) 差分减影方法和医学图像处理方法及系统
US11633146B2 (en) Automated co-registration of prostate MRI data
US8064664B2 (en) Alignment method for registering medical images
US8150132B2 (en) Image analysis apparatus, image analysis method, and computer-readable recording medium storing image analysis program
US20180211391A1 (en) Coupled segmentation in 3d conventional ultrasound and contrast-ehhanced ultrasound images
CN110991636B (zh) 生成式对抗网络的训练方法及装置、图像增强方法及设备
Chun et al. MRI super‐resolution reconstruction for MRI‐guided adaptive radiotherapy using cascaded deep learning: In the presence of limited training data and unknown translation model
US20120296202A1 (en) Method and System for Registration of Ultrasound and Physiological Models to X-ray Fluoroscopic Images
US8948484B2 (en) Method and system for automatic view planning for cardiac magnetic resonance imaging acquisition
JP2004508856A (ja) 尤度最大化を利用した画像位置合わせ（ｒｅｇｉｓｔｒａｔｉｏｎ）システム及び方法
JP5485663B2 (ja) 対称性検出及び画像位置合わせを用いた自動式走査計画のシステム及び方法
US20190311228A1 (en) Cross-modality image synthesis
US9886755B2 (en) Image processing device, imaging system, and image processing program
US20140270447A1 (en) Systems, methods and computer readable storage media storing instructions for automatically segmenting images of a region of interest
WO2021120069A1 (zh) 基于解剖结构差异先验的低剂量图像重建方法和系统
US20080037848A1 (en) System and Method for Corpus Callosum Segmentation in Magnetic Resonance Images
JP4708740B2 (ja) 画像処理装置及び画像処理方法
CN111161330B (zh) 非刚性图像配准方法、装置、系统、电子设备、存储介质
CN112991403A (zh) 一种图像配准方法和装置
Marinelli et al. Registration of myocardial PET and SPECT for viability assessment using mutual information
Ijaz et al. Optimization strategies for ultrasound volume registration
CN111566699A (zh) 静态流程前规划数据到动态流程内分割数据的配准
Chen et al. Automatic fiducial localization in brain images
US11295451B2 (en) Robust pulmonary lobe segmentation

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