医学影像作业 基于医学影像配准+DUNet实现的视网膜血管检测_眼底血管分割源码+数据集+实验报告.zip 图像配准 眼底血管分割实验 详细操作说明 实验报告 【实验思路】 1.图像预处理： 单通道化RGB2Gray 归一化 对比度限制自适应直方图均衡化 伽马校正 2.图像分割成小块patch 3.torch写网络 Unet  - Unet++  4.训练与测试，计算每个小patch的train_loss和dice_score 5.合并图像 6.计算整体测度 【实验结果】 CHASE数据集用cuda训练batchsize为2，网络采用UNet++，轮数epoch=5，测试集结果：avarage Dice: **78.03%**, avarage Accuracy: **96.91%** DRIVE数据集用cpu训练batchsize为8，网络采用UNet，轮数epoch=5，测试集结

针对分层B样条非刚性配准存在局部极值以及水平集分割方法不适用于噪声图像分割的问题,提出了一种基于局部更新分层B样条双向变换和水平集方法的医学图像联合分割与配准方法。该方法在分割算法中加入配准变换,在配准中融入图像分割的结构信息。使用B样条水平集函数对变换和分割的图像进行平滑表示,并在配准中引入双向变换以提高配准的精度和平滑性。在水平集方法的基础上,引入双向分层B样条变换构造分割与配准的联合能量泛函,并结合梯度下降法将能量泛函最小化以优化目标函数。实验结果表明:本方法与单独的图像分割方法相比,Dice度量均在99%以上;与单独的图像配准方法相比,均方误差下降了30%,能够提高图像的配准精度,且在分割噪声图像时有较好的鲁棒性。

毕业了发点图像配准的程序-fm_gui_v2.rar :loveliness: :loveliness: 我花很长时间才找到了可以运行的图像配准的程序 现在拿来分享！ 希望大家都会可以用到 一共有5个程序，大部分是基于特征的！ 大家一定要好好珍惜哈！

07_遥感图像配准系统（openCV源码）

3D面部表面的非刚性配准是各种计算机视觉任务中的关键步骤。 在本文中，我们提出了一种基于薄板样条（TPS）和可变形模型的全自动3D人脸配准方法。 为了对复杂的3D面部表面的非刚性模态进行建模，采用薄板样条曲线来表示3D面部之间的转换。 最远点采样（FPS）方法用于自动生成薄板样条曲线转换的控制点。 3D人脸注册有两个阶段。 首先，通过在薄板样条曲线变换参考和目标之间进行最近点搜索来获得初步配准。 然后，通过使用基于可变形模型产生的动态参考，实现多样本配准，以提高配准的精度。 为了消除异常值，在两个阶段都提出了对策。 在Bu-3dfe和Bjut-3d人脸数据库上的实验表明，该方法是有效且鲁棒的。

MATLAB 中的IPT 支持以控制点为基础的点映射图像配准。一旦选出了足够的有效控制点，就可以利用IPT 函数来推导出实现某种映射关系的空间变换，以便控制这些点。

matlab的欧拉方法代码错误分析工具包 检查图像配准和跟踪错误的工具。 这个“工具箱”最初是我博士的代码集合，但是在matlab中还为NDI Aurora通信设置了其他一些最近的示例代码。 它尚未完全更新，但是最终该工具包将能够完全复制论文和已发表论文中的代码模拟。 显然，这早就该开始了，但仍在进行中。 Matlab /通讯 该文件夹包含用于使用Matlab与NDI Aurora系统进行通信的示例代码。 Matlab /数学 此文件夹包含用于线性变换，使用矩阵旋转，欧拉角和四元数的数学例程的集合。 在target_error模拟中还使用了一些注册例程。 Matlab /绘图 这包括有用的绘图例程的集合，以显示结果。 matlab /统计 收集结果分析中使用的统计方法。 matlab / target_error 目标误差模型和仿真包含三个主要的仿真区域。 各向异性和非均匀基准定位器误差（FLE）的估计目标配准误差（TRE） 给定最近的基准配准误差的估计值，对基准定位器误差进行估计 给定转换参数的不确定性，可以估算目标跟踪误差。 所有这些实验都记录在我的论文中，其中一些结果包含在各种发

异源配准的特征描述符PIIFD，作者提供的源代码

b-样条配准matlab代码运动估计-压缩传感-MRI 该存储库包含JFPJ Abascal、P Montesinos、E Marinetto、J Pascau、M Desco论文中介绍的基于 B 样条的压缩感知 (SPLICS) 方法的 MATLAB 代码。 小动物研究中自门控心脏电影 MRI 的总变异与基于运动估计的压缩感知方法的比较。 PLOS ONE 9(10): e110594, 2014. DOI: SPLICS 通过将连续帧之间的运动建模到重建框架中来概括时空总变化 (ST-TV)。 使用基于分层 B 样条的非刚性配准方法估计运动。 SPLICS 解决了以下问题 其中第一项对应于 TV，T 是时间稀疏算子，F 是傅立叶变换，u 是重构图像，f 是欠采样数据。 使用 Split Bregman 公式可以有效地解决优化问题。 这个演示 此演示在心脏电影 MRI 数据上比较 TV、时空 TV 和 SPLICS。 此版本的 SPLICS 包括两个步骤：i) 根据先前的重建（在此示例中由 TV 给出的图像）估计运动，以构建编码运动的稀疏时间算子，ii) 考虑先前估计的运动算子的图像

针对同一场景的红外和可见光图像间一致特征难以提取和匹配的难题, 提出了一种在多尺度空间中基于边缘最优映
射的自动配准算法. 在由粗至细的尺度空间中, 算法分别采用仿射模型和投影模型作为参考图像和待配准图像间的空间变换
模型. 在每个尺度层上, 首先基于相位一致性方法提取两幅图像的边缘结构, 并在相应的空间变换模型下将在待配准图像中提
取的二值边缘映射到参考图像的边缘强度图上; 接着采用并行遗传算法寻找一组全局最优的模型参数, 使两幅图像间的结构
相似度最大. 在各层的寻优结束之后, 使用Powell 算法对全局寻优后的模型参数进行局部精化. 实验结果表明, 该算法能够充
分利用图像间的视觉相似结构, 有效地实现红外和可见光图像的自动配准.