大工至善|大学至真分享 http://blog.sciencenet.cn/u/lcj2212916

博文

[转载]【信息技术】【2006.11】基于熵的图像配准

已有 233 次阅读 2021-8-20 22:11 |系统分类:科研笔记|文章来源:转载

图片

本文为美国普林斯顿大学(作者:Mert Rory Sabuncu)的博士论文,共161页。

 

本文研究了图像配准背景下不同熵测度的应用,包括Renyi熵。具体来说,我们专注于图像配准的熵估计问题,并提供了两个重要的熵估计理论和实验比较:plug-in估计和最小熵图。我们进一步发展了一个基于图论估计的图像配准框架。在这个框架内,我们讨论了实际和理论问题,如空间信息的合并、有效和快速的最佳对齐搜索,以及预先对齐的图像对使用。这些分析产生了适用于不同医学问题的快速、鲁棒和精确的多模态仿射配准算法。接下来,我们研究了非刚性配准问题,提出了一种新的基于熵的快速非刚性配准算法。最后,我们讨论了一个科学应用,即基于功能反应模式的大脑皮层标准化,并研究了一种基于相关熵测度的算法。

 

This thesis investigates the employment of different entropic measures,including R ́enyi entropy, in the context of image registration.  Specifically, we focus on the entropyestimation problem for image registration and provide theoretical andexperimental comparisons of two important entropy estimators: the plug-inestimator and minimal entropic graphs. We further develop an image registrationframework based on the graph-theoretic estimator. Within this framework, weaddress practical and theoretical issues such as the incorporation of spatial information,the efficient and fast search of the optimum alignment, and the employment ofpreviously aligned image pairs. These analyses yield fast, robust and accurate multi-modalaffine registration algorithms applicable to different medical problems. Next,we investigate the nonrigid registration problem and provide a novel fast entropy-basednonrigid registration algorithm. Finally, we discuss a scientific application,the normalization of the human cerebral cortex based on patterns of functionalresponse, and investigate an algorithm that employs a correlation-basedentropic measure.

 

1.         引言

2.         信息论对齐度量

3.         图像配准中的熵估计

4.         基于Renyi熵的图像配准

5.         引入来自预对齐图像的先验知识

6.         非刚性配准的水平集熵

7.         fMRI110在人脑皮层功能定位中的应用

8.         结论

附录A Renyi熵的局限性

附录B 基于直方图的熵估计

附录C 图族

附录D 邻接矩阵的分解

附录E 熵图估计的可微性

附录F 二维EMST的计算


更多精彩文章请关注公众号:205328s611i1aqxbbgxv19.jpg




http://wap.sciencenet.cn/blog-69686-1300666.html

上一篇:[转载]【无人机】【2007.05】无人机数字自动着陆系统
下一篇:[转载]【信息技术】【2013.05】基于混沌的高级加密标准

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2021-12-1 00:49

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部