医学图像分割与配准 2 ITK实现分册PDF电子书下载

第2部分 3

第八章 配准 3

8.1 配准框架 3

8.2 “Hello World”配准 4

8.3 配准框架的特征 10

8.3.1 变换映射的方向 10

8.3.2 物理空间中的配准 11

8.4 监控配准 12

8.5 多形态配准 15

8.5.1 Viola-Wells交互信息 15

8.5.2 粗糙的交互信息 20

8.5.3 绘制联合直方图 23

8.6 居中变换 26

8.6.1 二维刚性配准 27

8.6.2 采用图像力矩初始化 32

8.6.3 2D相似变换 36

8.6.4 3D中的刚性配准 38

8.6.5 中心仿射变换 42

8.7 多分辨率配准 45

8.7.1 主要原则 46

8.7.2 参数调节 51

8.8 变换 54

8.8.1 几何表示法 54

8.8.2 变换一般特征 56

8.8.3 一致变换 57

8.8.4 平移变换 57

8.8.5 比例转换 58

8.8.6 比例对数变换 59

8.8.7 欧拉2D变换 59

8.8.8 居中刚性2D变换 60

8.8.9 2D相似度变换 60

8.8.10 四元数刚性变换 61

8.8.11 Versor变换 61

8.8.12 Versor刚体3D变换 62

8.8.13 欧拉3D变换 62

8.8.14 3D相似变换 63

8.8.15 刚性3D透视变换 63

8.8.16 仿射变换 64

8.8.17 B样条可变形变换 65

8.8.18 Kernel变换 65

8.9 内插器 66

8.9.1 最近点差值 67

8.9.2 线性差值 67

8.9.3 B样条插值 67

8.9.4 窗口化Sinc内插 68

8.10 尺度 69

8.10.1 均方Metric 71

8.10.2 正则化相关尺度 73

8.10.3 倒数均方差分 73

8.10.4 互信息度量 74

8.10.5 Kullback-Leibler距离metric 76

8.10.6 规格化交互信息Metric 76

8.10.7 直方图均方 76

8.10.8 相关系数直方图 76

8.10.9 基匹配度量 77

8.10.10 Kappa统计Metric 77

8.10.11 梯度微分Metric 77

8.11 优化器 77

8.11.1 基度量的配准 79

8.11.2 1+1进化优化配准 81

8.11.3 空间对象的模糊构建配准 82

8.11.4 结合预先知识的刚性配准 84

8.12 图像“金字塔”算法 85

8.13 可变形配准 86

8.14 虚拟变形配准 104

8.15 可视化变形域 110

8.15.1 可视化2D变形域 110

8.15.2 可视化3D变形域 112

8.16 基于配准的模型 114

8.17 点集配准 124

第九章 图像分割 136

9.1 区域生长 136

9.1.1 连接门限 136

9.1.2 OTSU分割 139

9.1.3 邻域连接 141

9.1.4 置信连接 143

9.1.5 孤立连接 147

9.1.6 向量图像中的置信连接 149

9.2 基于分水岭的分割 151

9.2.1 综述 151

9.2.2 使用ITK分水岭滤波器 153

9.3 水平集分割 156

9.3.1 快速步进分割 158

9.3.2 形状检测分割 164

9.3.3 测量主动轮廓分割 171

9.3.4 阈值水平集分割 175

9.3.5 Canny边缘水平集分割 177

9.3.6 拉普拉斯水平集分割 181

9.3.7 形状引导测量主动轮廓分割 183

9.4 混合法 192

9.4.1 绪论 192

9.4.2 模糊连接度和置信连接度 192

9.4.3 模糊连接度和Voronoi分类 194

9.4.4 可形变模型和Gibbs先验 199

9.5 特征提取 205

第十章 统计 213

10.1 数据箱 213

10.1.1 样本接口 213

10.1.2 样本改编器 215

10.1.3 直方图 219

10.1.4 子样本 222

10.1.5 成员样本 224

10.1.6 成员样本生成器 226

10.1.7 K-d目录 229

10.2 算法和函数 233

10.2.1 样本统计 233

10.2.2 样本生成 237

10.2.3 样本分类 244

10.2.4 概率分布函数 247

10.2.5 间距量度 248

10.2.6 判断规则 249

10.2.7 随机变量的生成 251

10.3 应用于图像的统计学 252

10.3.1 图像直方图 252

10.3.2 图像信息理论 259

10.4 分类 265

10.4.1 基于K平均值堆积的k-d目录 266

10.4.2 K平均值分类 271

10.4.3 贝叶斯插件分类器 273

10.4.4 最大期望混合模型估计 278

10.4.5 用Markov随机域进行分类 281