针对传统多尺度变换的医学图像融合问题,提出一种基于非下采样Contourlet变换的医学图像融合新方法。在低频子带系数的选取上,根据医学图像的特点,考虑到相邻低频子带系数之间存在的相关性,采用基于区域能量的融合规则;在选择带通方向子带系数时,充分利用非下采样Contourlet变换的方向特性,采用改进拉普拉斯能量和作为带通方向子带系数的融合规则。实验结果表明,与传统融合方法相比,该方法避免了图像失真,达到了良好的图像融合效果。
1
本数据集是一个癌症CT图像数据,包括69位不同的患者的475个病例的中等规模的CT影像和患者年龄。该数据是 TCGA-LUAD 肺癌CT影像数据库的一部分。
2021-06-02 10:13:28 53B 癌症CT图像 医学图像数据集
1
医学图像编程技术-代码资源.rar
2021-05-31 22:01:32 2.89MB VTK
1
下载官方原版的11版用户手册,然后自己花了半天时间编辑三层书签,共使用了三款软件,反复校对,眼睛都看花了.造福伸手党。
1
该数据集共包含40张视网膜血管图像,这40张图像已分为训练和测试集,均包含20张图像。如果没有积分,可关注我然后在评论区留下邮箱,将发送至邮箱。
1
批注工具源代码 在这里,您将找到用于在服务器上安装LabelMe批注工具的源代码。 LabelMe是用Javascript编写的用于在线图像标记的注释工具。 与传统的图像批注工具相比,优点是您可以从任何地方访问该工具,并且人们可以帮助您对图像进行批注,而不必将大型数据集安装或复制到他们的计算机上。 引文: BC Russell,A。Torralba,KP Murphy,WT Freeman。 LabelMe:用于图像注释的基于数据库和基于Web的工具。 国际计算机视觉杂志,77(1-3):157-173,2008年。 下载: 您可以直接下载的。 另外,您可以按如下所示从GitHub克隆它: $ git clone https://github.com/CSAILVision/LabelMeAnnotationTool.git 内容: 图片-这是您的图片所在。 注释-这是收集注释
2021-05-26 18:03:01 25.94MB C
1
绝对可执行的dicom转bmp的VC++(6.0)源码!!!
2021-05-24 16:43:53 5.33MB dicom bmp 医学图像处理
1
itk和vtk的医学图像处理联合应用,用于处理DICOM图像
2021-05-24 16:27:22 5.34MB itk和vtk图像
1
基于最大互信息和混合优化算法的医学图像配准算法,利用模拟退火算法思想改进粒子群优化算法,提高全局寻优能力,更好的跳出局部最优
2021-05-23 21:04:11 1.24MB 图像配准 医学图像 混合优化算法
1
基于MITK的医学图像三维重建例子,用C++语言开发,有兴趣下载学习哈~
2021-05-23 10:36:17 33KB 医学图像处理 三维重建
1