(3.235.25.169) 您好!臺灣時間:2021/04/20 17:56
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:劉明賢
研究生(外文):Min-Shen Liu
論文名稱:CT與MR腹部影像之對準
論文名稱(外文):Registration of CT and MR Abdominal Images
指導教授:詹寶珠詹寶珠引用關係
指導教授(外文):Pau-Choo Chung
學位類別:碩士
校院名稱:國立成功大學
系所名稱:電機工程研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:1996
畢業學年度:84
語文別:中文
論文頁數:90
中文關鍵詞:影像對準
外文關鍵詞:Image registration
相關次數:
  • 被引用被引用:0
  • 點閱點閱:81
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
影像之對準是融合兩組不同性質的影像,求得整合性影像資訊時,決定性
的首要步驟。腹部影像由於其影像內容複雜,且在不同影像模式中組織變
形嚴重,在粹取影像特徵時難以找到具不變性的特徵形式可進行比對。由
於相關性技術(correlation techniques)具有能夠完全利用到整張影像的
資訊來求取最佳匹配的特性,因此在本論文中,我們將CT與MR影像分別轉
換為分類影像,使其成為同性質影像後,便能用相關性技術來求取最佳匹
配。由於相關性的計算極為費時,我們便以一較簡便的方式先對CT與MR影
像做初步的對準。藉由粹取出輪廓來計算出患者的身體面積與中心點,從
而求得兩影像的尺度關係與粗略的位移關係。其後將影像轉換為分類影像
的過程中,其中CT影像採用K-mean Clustering的技術來做分類,將影像
多重分割為不同的組織;MR影像則採用模糊推論的技術,將從四個頻譜的
影像中分辨出不同的組織。轉換為分類影像之後,再依兩影像中各個分類
的對應關係建立對應表,依據此表計算出兩影像相關性最高時的相對位移
量與旋轉量。由實驗結果中,我們驗證了本論文所提出的方法確實能有效
地對準CT與MR影像,將兩者融合在一起。

Image registration is the process of determining a point-to-
point correspondence between two images of the same object.
This is a crucial first step for fusing two image data sets
to obtain an integrated image display. Feature base methods
are often used in image registration, but they have trouble
in registering abdominal images, because it is difficult to
extract geometrical invariance features from abdominal images,
since these images are too complex and usually distorted.
Registration using correlation technique needn't image
features, so we tried to use correlation technique to
register abdominal images. For using correlation tech-
niques, we transform CT and MR images to classified
images, which are two similar images. Since calculating
correlation is very time-consuming, we use a more specific
method to match CT and MR images first. We get scale and
rough translation between those two images by calculating body
area and central point from extracted body contour. Then, K-
mean clustering method was used to classify tis- sues in CT
image. And fuzzy inference method was used to classify
tissues in MR image. The relation table con- taining the
relations between classes in the two classi- fied images was
established for counting correlation. Then we count the
correlation between two classified images to find which
translation and rotation degree derives the highest
correlation.

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔