paopaovae的博客

一、Motivation本文的中心思想是基于：采用级联的方式逐次对图像进行逐渐配准。每一个级联网络都能将输入的Moving Image -》warped Image。作为下一个级联网络的Moving Image。上图所展示就是本文章的级联递归配准的思路。二、Method级联递归：多个级联递归网络，每一个级联递归网络分别对此网络的输入，进行变换。得到下一级网络的输入Moving Image。最后一个级联网络的输出计算损失，反向传播来更新网络中的参数。那么文章中每一个级联网络的网络结

ABSTRACT 多时相遥感图像被广泛应用于军事和民用领域，比如地面目标识别、城市发展评估以及地理变化评估。地面变化对特征点在数量和质量上的检测具有一定的挑战，这是基于特征点检测的配准算法所面临的常见的困难。在严峻的外观变化下，检测到的特征点可能包含大量的外点，而内点可能也分布不适当且不均匀。本文提出了一种基于卷积神经网络（CNN）特征的多时相遥感图像配准方法，两个关键的贡献如下：(1)我...

一、特点自监督（相似性度量） multi-resolution image registration framework二、Method本文的框架如下图所示：可以看到网络的输入是Moving image and Fixed Image。loss 是多级loss。其中在不同的网络部分计算一个Dvloss。其中网络的回归输出（reg）用卷积来模拟回归输出。回归层的输出大小和输入...

一、Motivation不同模态的图像之间强度分布存在差异，因此现存的配准算法不具备很强的鲁棒性。 无监督且端到端 包含三个部分：特征提取、变形场生成器、空间变换采样。 该方法同时考虑了图像强度和梯度，避免了基于强度的相似性度量的缺点。二、Method上图是整个算法的框架，两个全卷机网络作为特征提取器。分别输入MRI and IUS图像。然后两个特征提取器的输出concat...

一、Motivation我们的方法使用生成式对抗网络(GANs)，消除了耗时的迭代方法。 直接预测变形场用于图像配准二、Method作者首先提到现有几种Gan的缺点。Conditional Gans(cGANs)在cGANs中，输出取决于输入图像和随机噪声向量，需要训练图像对。 cyclic GANs (cycGANs) cycGANs不需要训练图像, 但加强变形场的一致性...

一 简单介绍 因为在看那篇配准文章提到Shape context，所以就找到该文章看了下。主要是了解Shape Context是什么。二 原理 在此文中将一个目标看做是一个点集，且用来做匹配的集合是该点集的一个子集。可以用边缘检测器产生。。如下图所示： 对于每一个点在形状（a）中，希望找到一个点在形状（b）中。这就成为了一个匹配问题。作者把什么定义为描述...

一、Motivation缺乏准确的Ground-Truth。we design a fully convolutional network that is subject to dual-guidance。1) Ground-truth guidance using deformation fields obtained by an existing registration m...

一、Motivation1.传统的配准方法试图基于基于强度的相似性度量来优化变形场。这些方法通常涉及计算量大的高维优化和与任务有关的参数调整。2. 最近的基于CNN的有监督配准方法虽然能够一定程度上解决传统方法的缺点，但是受限于ground-truth的真实性。3. 在无监督的CNN方法利用相似性指标作为损失函数的一部分，这些相似性指标与图像的性质密切相关，可能不适用于处理各种...

一、Nonrigid Image Registration Using Multi-scale 3D Convolutional Neural Networks1.基本方法首先人工生成DFV（位移矢量场），作为标签。训练CNN，CNN如上图所示。分别对fixed image 和 moving image取patch，输入到网络中。最终网络的输出就是一个DFV。这样训练好CNN，就可以对...

Abstract 我们提出了一种基于快速学习的算法，用于可变形的成对3D医学图像配准。当前的配准方法针对每对图像独立地优化目标函数，这对于大数据而言可能是耗时的。我们将配准定义为参数函数，并根据感兴趣的集合给出一组图像来优化其参数。给定一对新的扫描图像，通过直接使用已经学习好了的参数的函数直接评估，我们能够快速计算配准区域。我们使用CNN对此函数进行建模，并使用空间变换图层从另一个图像重...

Abstract 在这篇文章中，我们提出一个新的深度学习网络结构来解决红外光和可见光之间的融合问题。与其它卷积神经网络相比，我们的编码网络由卷积层，融合层和密集块组合而成，其中每层的输出连接到每个其他层。 我们尝试使用这种架构来获得更多编码过程中源图像的有用特征。 并且设计了两种融合层（融合策略）来融合这些特征。 最后，融合图像由解码器重建。 与现有的融合方法相比，所提出的融合方法在客观...