基于最小生成树的DoG关键点医学图像配准
针对医学图像配准对鲁棒性强、准确性高和速度快的要求,提出一种基于最小生成树的DoG(difference of Gaussian)关键点配准算法.该算法首先从图像上提取DoG关键点,然后将关键点对应的灰度信息融入联合Rényi熵中,最后使用最小生成树来估计联合Rényi熵.新算法结合了DoG关键点的鲁棒性和最小生成树估计Rényi熵的高效性.实验结果表明,在图像含有噪声、灰度不均匀和初始变换范围较大的情况下,该算法在达到良好配准精度的同时,具有较强的鲁棒性和较快的速度.
医学图像配准、DoG关键点、最小生成树、Rényi熵
16
TP391(计算技术、计算机技术)
国家自然科学基金项目60671050;辽宁省重大科技计划项目2008402001;沈阳市重点技术创新计划项目2008-9
2011-07-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
647-653