本文为美国科罗拉多大学(作者:Katherine AnneBachman)的硕士论文,共126页。

本研究以离散互信息为基础,以平面、二维影像为例,运用不同的搜索策略验证了该理论的应用。图像配准是在图像数据之间寻找最佳几何变换的过程。虽然它在很多领域都有应用,但本文所研究的是医学图像配准。医学图像配准有着广泛的应用前景,但其重点是放射线成像。互信息是由单个重叠图像的熵之和与组合图像的联合熵之差给出的,是由于对另一个图像的了解而减少对一个图像不确定性的度量。它不假设两幅图像的函数形式或图像强度之间的关系。除了在通信和计算机视觉中有应用外,互信息被证明是可靠的,并产生了目前正在使用的全自动配准算法。

本论文的结构如下。第一章概述了医学图像配准,并在此背景下提出了基于互信息的医学图像配准研究课题。第二章论述了离散互信息的理论和数学及其在信息论中的起源。第三章介绍了该理论在图像配准中的应用。第四章介绍了基于互信息的图像配准在放射成像中的应用——数字重建射线照片(DRRs)和电子束图像(EPIs)的配准。附录包括与理解本文所述材料相关但不重要的信息。由于概率论是信息论的一个重要组成部分,因此,在附录中简要介绍了离散概率论,作为读者的快速参考。附录和整个论文正文都提供了示例。

This study regards discrete mutual information and demonstratesthe use of the theory with an example of radiological image registration within-plane, two dimensional images, using various search strategies. Imageregistration is the process of finding an optimal geometric transformation betweencorresponding image data. Although it has applications in many fields, the onethat is addressed in this thesis is medical image registration. Medical imageregistration has a wide range of potential applications, but the emphasis is onradiological imaging. Mutual information, which is given by the differencebetween the sum of the entropies of individual overlapping images and the jointentropy of the combined images, is a measure of the reduction in uncertaintyabout one image due to knowledge of the other. It makes no assumption of thefunctional form or relationship between image intensities in the two images. Inaddition to having application in communication and computer vision, mutualinformation has proven robust and has resulted in fully automated registrationalgorithms that are currently in use. The thesis is organized as follows.Chapter 1 gives a broad overview of medical image registration as the contextin which to present the subject of mutual information-based medical imageregistration. Chapter 2 regards the theory and mathematics of discrete mutualinformation and its origin in information theory. Chapter 3 looks at theimplementation of the theory applied to image registration in general. Chapter4 looks at an application of mutual information-based image registration inradiological imaging - registration of Digitally Reconstructed Radiographs(DRRs) and Electronic Portal Images (EPIs). The Appendix includes informationthat is relevant, but not critical, to the understanding of the material presentedin this thesis. Because probability theory is a major part of information theoryand, consequently, mutual information theory, a brief overview of discrete probabilitytheory is included in the Appendix as a quick reference. Examples are providedin the Appendix as well as throughout the body of the thesis.

1 医学图像配准回顾
2 信息论
3 应用于图像配准的信息论
4 基于互信息的数字化重建射线照片与电子束图像配准
5 结论
附录A 离散概率论概述
附录B 凸特性
附录C 对数转换
附录D 样本输出

更多精彩文章请关注公众号:

【信息技术】【2005】基于互信息的数字化重建射线照片与电子束图像配准相关推荐

  1. 图像配准系列之基于FFD形变与粒子群算法的图像配准

    在之前的文章中,我们分别使用了梯度下降发与LM算法来优化FFD形变的控制参数,达到图像配准的目的: 图像配准系列之基于FFD形变与梯度下降法的图像配准 图像配准系列之基于FFD形变与LM算法的图像配准 ...

  2. 阿里云混合云联合信通院发布《基于云计算的数字化业务安全工程要求》

    简介:7月28日,国内首部专注于数字化业务安全生产的<基于云计算的数字化业务安全工程要求>标准在2021可信云大会上发布.该标准由阿里云混合云和中国信通院联合牵头,多家国内知名企业参与制定 ...

  3. 8bit黑白图像的灰度值范围是_窗宽窗位对基于互信息的医学图像

    窗宽窗位对基于互信息的医学图像 摘 要:基于互信息的配准方法具有自动化程度高.配准精度高等优点,近来已成为医学图像处理领域的热点.基于互信息的配准方法实质上是一种对灰度进行统计和计算的方法,因此同一图 ...

  4. 互信息配准matlab,基于图像特征和互信息的图像配准方法

    基于图像特征和互信息的图像配准方法 [专利摘要]本发明公开一种基于图像特征和互信息的图像配准方法,主要用于提高现有基于互信息配准方法的精确度.其实现步骤为:(1)输入两幅图像,一幅为参考图像r,另一幅 ...

  5. 图像配准融合(一)——基于互信息的图像配准方法(c++)

    1.内容简介 图像配准方法按照其算法原理可以分为:基于灰度信息的配准.基于变换域信息的配准.基于特征信息的配准 (本人实验主要集中在基于灰度信息的配准以及基于特征信息的配准两类方法,对基于变换域信息的 ...

  6. 数字化首个安全生产标准 阿里云联合信通院发布《基于云计算的数字化业务安全工程要求》

    7月28日,国内首部专注于数字化业务安全生产的<基于云计算的数字化业务安全工程要求>标准在2021可信云大会上发布.该标准由阿里云混合云和中国信通院联合牵头,多家国内知名企业参与制定,填补 ...

  7. 数字化首个安全生产标准!阿里云混合云联合信通院发布《基于云计算的数字化业务安全工程要求》

    7月28日,国内首部专注于数字化业务安全生产的<基于云计算的数字化业务安全工程要求>标准在2021可信云大会上发布.该标准由阿里云混合云和中国信通院联合牵头,多家国内知名企业参与制定,填补 ...

  8. 基于单片机的数字化农业管理系统

    更多设计可以在特纳斯电子校园网下载设计简介: 本设计是基于单片机的数字化农业管理系统,主要实现以下功能: 可通过LCD1602显示温湿度.光照强度和二氧化碳浓度: 可通过按键调整温湿度.光照强度和二氧 ...

  9. 【知识图谱系列】基于互信息最大化的图谱预训练模型DGI InfoGraph

    作者:CHEONG 公众号:AI机器学习与知识图谱 研究方向:自然语言处理与知识图谱 本文介绍两篇基于互信息最大化的图谱预训练模型DGI(ICLR 2019)和InfoGraph(ICLR 2020) ...

最新文章

  1. 高性能网站性能优化与系统架构(ZT)
  2. 写一个函数,尽可能高效的,从一个标准 url 里取出文件的扩展名
  3. 037_jQuery Ajax序列化
  4. echarts相关的可视化数据
  5. [转]数据库主键设计文章绘粹
  6. P1425 小鱼的游泳时间(python3实现)
  7. Centos新建用户无法ssh登陆
  8. Flink : UnknownTaskExecutorException: No TaskExecutor registered under
  9. MyEclipse 8.5配置Tomcat 7.0
  10. 网络安全基础——服务器远程管理
  11. iOS简单的登陆界面代码
  12. VB6.0数据库访问技术与例程解析Java教程
  13. 中职计算机应用和平面设计,中等职业教育十一五规划教材·中职中专计算机类教材系列·Photoshop平面设计与实训...
  14. autojs开发的多功能工具箱,源码量大慢慢消化,功能非常多
  15. ReentrantLock原理及AQS(羊群效应+实操)
  16. 结构化数据、半结构化数据、非结构化数据的划分
  17. 第十四周 项目2 - 用哈希法组织关键字
  18. AR红包大战,抢的不是钱而是发展机会
  19. delete、truncate、drop的区别有哪些,该如何选择
  20. 十二、偏向锁、轻量级锁、重量级锁,锁的膨胀过程

热门文章

  1. redhat linux中文,Redhat 中文解决方案
  2. Zmeet云会议私有化部署--真正能私有化部署的类zoom会议
  3. android流量监控软件设计与实现,基于android平台的流量监控系统的设计与实现
  4. JEPF 软件快速开发平台
  5. 天地飞9设置Pixhawk/PX4六段开关
  6. nginx服务器网站目录浏览,Nginx开启目录浏览功能 | 系统运维
  7. myql 查询树形表结果:说说、说说的评论、评论的回复
  8. C# 读取Excel日期格式
  9. FRED应用:激光空间滤波器的模拟
  10. itextpdf7 使用之 html 转 pdf 页眉页脚带图片