基于增强的粒子滤波算法的医学图像动态轮廓跟踪新方法

被引：1

作者：

周寿军

陈武凡

机构：

[1] 第一军医大学医学图像全军重点实验室,第一军医大学医学图像全军重点实验室广东广州,广东广州

来源：

第一军医大学学报 | 2004年 / 06期

关键词：

顺序蒙特卡罗方法; 粒子滤波; 重要密度; 似然估计;

D O I：

暂无

中图分类号：

TP391.4 [模式识别与装置];

学科分类号：

0811 ; 081101 ; 081104 ; 1405 ;

摘要：

关于医学图像的研究,感兴趣区的运动估计和跟踪是一个深受关注的领域。鉴于医学图像质量低、噪声大的普遍特点,从状态变量的非线性、非高斯分布前提出发,利用粒子滤波技术解决该类跟踪问题是一种具有挑战性的技术:由于经典粒子滤波器的权值计算,尤其是重要密度函数的构造方法严重影响了粒子滤波器的性能,本文提出了重要改进。针对用粒子滤波方法估计动态轮廓线这一特殊应用,构造了具有特色的似然和先验概率密度算法。结合客观的理论评价标准和大量比较试验,该方法为精确估计动态轮廓线提供了较好的解决对策。

引用

页码：677 / 681

页数：5

共 11 条

[1]

Fourierdescriptorsforplanecurves. ZahnCT,RoskiesRZ. IEEETransComput . 1972

[2]

Snakes, shapes, and gradient vector flow. C. Xu,J.L. Prince. IEEE Transactions on Image Processing . 1998

[3]

A Bayesian approach to tracking multiple tar- gets using sensor arrays and particle fitlers. MatthewO,WillianF. . 2001

[4]

A tutorial on particle fitlers for on-line non-linear/non-GaussianBayesian tracking. SanjeevA,SimonM,NeilG, etal. IEEE TransSignProc . 2002

[5]

Image sequence restoration usingGibbs distributions. RobinDM. . 1995

[6]

Nonlinear andNon-Gaussian state-space modeling withMonteCarlo techniques:A survey and comparative study. HisashiT. . 2000

[7]

The unscented particle filter. Van Der Merwe R,Doucet A,De Freitas N. etal. Technical Report CUED/F-INFENG/TR.380 . 2000

[8]

RecursiveBayesian estimation:Navigation and tracking application. BergmanN. . 1999

[9]

Simulation-based optical filter for manoeu- vring target tracking. DoucetA,GordonNJ. SPIE Signal andDataProcessing ofSmallTargets . 1999

[10]

SequentialMonteCarlo methods for dynamical sy- stems. LiuJS,ChenR. J AmStatAssoc . 1988

← 1 2 →