論文の概要: Methods based on Radon transform for non-affine deformable image registration of noisy images

• arxiv url: http://arxiv.org/abs/2409.00037v1
• Date: Sun, 18 Aug 2024 05:15:25 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-08 15:40:57.115491
• Title: Methods based on Radon transform for non-affine deformable image registration of noisy images
• Title（参考訳）: 雑音画像の非アフィン変形画像登録のためのラドン変換に基づく方法
• Authors: Daniel E. Hurtado, Axel Osses, Rodrigo Quezada,
• Abstract要約: 変形可能な画像登録は、身体が経験する歪みを決定するのに使用される標準的な工学的問題である。 本研究では,非アフィン変形を捉えるための2つの新しいDIR手法を提案する。
• 参考スコア（独自算出の注目度）: 0.3277163122167433
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deformable image registration is a standard engineering problem used to determine the distortion experienced by a body by comparing two images of it in different states. This study introduces two new DIR methods designed to capture non-affine deformations using Radon transform-based similarity measures and a classical regularizer based on linear elastic deformation energy. It establishes conditions for the existence and uniqueness of solutions for both methods and presents synthetic experimental results comparing them with a standard method based on the sum of squared differences similarity measure. These methods have been tested to capture various non-affine deformations in images, both with and without noise, and their convergence rates have been analyzed. Furthermore, the effectiveness of these methods was also evaluated in a lung image registration scenario.
• Abstract（参考訳）: 変形可能な画像登録は、物体の2つの画像を異なる状態で比較することによって、物体が経験する歪みを決定するのに使用される標準的な工学的問題である。 本研究では、ラドン変換を用いた類似度測定法と線形弾性変形エネルギーに基づく古典正規化器を用いて、非アフィン変形を捕捉する2つの新しいDIR手法を提案する。 両方法の解の存在と特異性に関する条件を確立し、二乗差分類似度尺度の和に基づく標準手法と比較した合成実験結果を示す。 これらの手法は、ノイズと非ノイズの双方で、画像中の様々な非アフィン変形を捉えるためにテストされ、それらの収束速度を解析した。 さらに,これらの手法の有効性を肺画像登録のシナリオで評価した。

関連論文リスト

• Forgery-aware Adaptive Transformer for Generalizable Synthetic Image Detection [106.39544368711427]
  本研究では,様々な生成手法から偽画像を検出することを目的とした,一般化可能な合成画像検出の課題について検討する。 本稿では,FatFormerという新しいフォージェリー適応トランスフォーマー手法を提案する。 提案手法は, 平均98%の精度でGANを観測し, 95%の精度で拡散モデルを解析した。
  論文  参考訳（メタデータ） (2023-12-27T17:36:32Z)
• GANs and alternative methods of synthetic noise generation for domain adaption of defect classification of Non-destructive ultrasonic testing [0.09236074230806578]
  その結果, 直接シミュレーションだけでは, ノイズ再構成が不十分なため, 実験領域を代表するトレーニングデータの生成には効果がないことがわかった。 半解析的シミュレーションデータを用いた4つのユニークな合成データ生成法が基礎として提案された。 畳み込みニューラルネットワークを用いて学習した実画像の分類性能について評価した。
  論文  参考訳（メタデータ） (2023-06-02T11:48:28Z)
• JPEG Artifact Correction using Denoising Diffusion Restoration Models [110.1244240726802]
  本稿では,DDRM(Denoising Diffusion Restoration Models)に基づいて,非線形逆問題の解法を提案する。 我々は、DDRMで使用される擬逆演算子を活用し、この概念を他の測度演算子に一般化する。
  論文  参考訳（メタデータ） (2022-09-23T23:47:00Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• Deblurring via Stochastic Refinement [85.42730934561101]
  条件付き拡散モデルに基づくブラインドデブロアリングのための代替フレームワークを提案する。 提案手法は,PSNRなどの歪み指標の点で競合する。
  論文  参考訳（メタデータ） (2021-12-05T04:36:09Z)
• Tensor Component Analysis for Interpreting the Latent Space of GANs [41.020230946351816]
  本稿では,GANの潜在空間における解釈可能な方向を求める問題に対処する。 提案手法では,テンソルの個々のモードに対応する線形編集と,それらの間の乗法的相互作用をモデル化する非線形編集が可能である。 実験により, 前者は幾何に基づく変換から, 後者は拡張可能な変換を生成できることを示す。
  論文  参考訳（メタデータ） (2021-11-23T09:14:39Z)
• Salt and pepper noise removal method based on stationary Framelet transform with non-convex sparsity regularization [1.101002667958165]
  ソルトとペッパーのノイズ除去は画像処理における逆問題であり,高品質な画像情報の復元を目指している。 伝統的な塩と唐辛子調味法には2つの制限がある。
  論文  参考訳（メタデータ） (2021-10-18T09:07:31Z)
• A Hierarchical Transformation-Discriminating Generative Model for Few Shot Anomaly Detection [93.38607559281601]
  各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。 この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
  論文  参考訳（メタデータ） (2021-04-29T17:49:48Z)
• Uncertainty-aware Generalized Adaptive CycleGAN [44.34422859532988]
  unpaired image-to-image translationは、教師なしの方法で画像ドメイン間のマッピングを学ぶことを指す。 既存の手法はしばしば、外れ値への堅牢性や予測不確実性を明示的にモデル化せずに決定論的マッピングを学習する。 Uncertainty-aware Generalized Adaptive Cycle Consistency (UGAC) という新しい確率論的手法を提案する。
  論文  参考訳（メタデータ） (2021-02-23T15:22:35Z)
• Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
  ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。 両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。 画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-08-25T03:30:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。