基于深度学习的医学图像配准方法研究文献综述

 2021-11-01 22:15:28

毕业论文课题相关文献综述

一、图像配准的背景和意义数字图像处理起源于20世纪20年代第一幅数字照片的传输。

此后,由于医学和遥感等领域的应用,使图像处理技术逐步受到关注并得到相应的发展。

目前数字图像处理已成为计算机科学,信息科学,统计学,医学等领域学习和研究的对象。

它所涉及的技术包括图像增强,图像分割,图像配准,图像显示和虚拟现实等。

其中,图像配准是指将同一场景的不同图像对齐或进行广义的匹配,以消除存在的几何畸变。

对同一场景使用相同或不同的传感器(成像设备),在不同条件下(天候、照度、摄像位置和角度等)获取的两个或多个图像一般都会有差异。

同一场景的多次成像的差别可以表现在:不同的分辨率、不同的灰度属性、不同的位置(平移和旋转)、不同的尺度、不同的非线性变形等等。

多种成像模式产生的图像(称之为多模态图像)会表现出不同的分辨率、不同的灰度属性等等差异。

图像配准的主要目的是消除几何上的差异,对于灰度信息的差异并不关心。

当然,正是因为图像畸变中的灰度差异的存在,给几何校正增加了难度。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。