您当前的位置：
首页 > 文献资料
所属专业：
尺度不变特征变换文献资料
-
基于点袋理论的肝脏CT图像分析
当前医学CT图像的病理识别过多地依靠医生经验,为了将机器辅助诊断引入病理识别中,本文采用点袋理论对肝癌和正常肝脏的CT图像进行分析研究.从100张CT图像中挑选出40张具有特征的CT图像,预处理后,先利用尺度不变特征变换(scale invariant feature,SIFT)描述CT图像特征点,再经过k均值(k-means)聚类,后使用支持向量机(support vector machine,SVM)机器学习算法实现CT图像的识别和分类.实验结果表明,当采用Gaussian 径向基(RBF)核运算时识别可取得85%的正确率.该研究说明点袋法有较好的分类效果和较好的发展空间.
-
基于改进尺度不变特征变换的手术室多视点图像拼接算法
目的 为了提高手术室环境下拼接后全景图像的主观质量,本文提出一种基于改进尺度不变特征变换(scale invariant feature transform,SIFT)的手术室多视点图像拼接算法.方法 基于SIFT特征点匹配算法,依据手术室采集设备为平行摄像机且获取的两视点高关注区域重叠较宽泛的特点,提出采用局部加权融合的拼接算法消除拼接重影,并在局部加权融合算法下,对参与图像空间变换的特征点在垂直方向增加约束,筛选出正确匹配特征点对以消除拼接折痕.结果 此算法解决了手术室拼接图像中手术衣的袖子、手术剪和手套的重影及治疗巾位置拼缝不对齐的问题,即消除了术野高关注度下的拼接重影及误匹配带来的拼接折痕,保证了两幅图像拼缝后的平滑过渡.结论 基于改进SIFT特征点匹配的算法获得了较好的主观手术画面的拼接质量.
