情此图可以看出，融合后的图像，边缘清晰明显，即高频灰度增强，保留了图像的特点，在此基础上，也较为准确得表达了中丰富的软组织信息，且两幅图的信息的相对位置也较为准确和清楚，能达到互补的功能，达到了图像融合的目的和要求。图脑部图像第组图脑部图像第组通过配准参数图可以看出，在第组中，图像经过放大倍，顺时针旋转度，方向位移单位，方向位移单位后，两幅图像的互信息达到最大值，这时图像的配准就已经完成了，整个配准所用时间为秒。由于算法有定的误差，所以进行了多次的实验。经过多次仿真实验，得出配准参数平均值，见表。通过配准参数图可以看出，在第二组中，图像经过放大倍，顺时针旋转度，方向位移单位，方向位移单位后，两幅图像的互信息达到最大值，这时图像的配准就已经完成了，整个配准所用时间为秒。由于算法有定的误差，所以进行了多次的实验。经过多次仿真实验，得出配准参数平均值，见表。在图像的融合方面，小波分解的层数代表着对原图像频带的分解状况，理论上，小波分解的层数越多，产生的子带也越多，在定程度上是会提高图像的融合效果，但因为上级的分解输出要作为下级的输入，可能会导致信息的丢失和错位。因此对小波分解的层数进行了层的实验，并计算出不同层数时，两张图像的值，见表。由表可看出，在第组中，当小波分解层数为时，两张图像的值趋于稳定，所以选择小波分解层数为时得到的图像作为最佳融合图像。而在第二组中，如表，当小波分解层数为时，两图像的就已经接近稳定，所以这时选择小波分解层数为时得到的图像作为最佳融合图像。这说明，对不同图像进行融合时，得到最佳融合图像的小波分解层数可能是不同的。表获取的配准参数平均值第组参数名称水平位移垂直位移放大倍数旋转角互信息值配准耗时参数值顺时针表获取的配准参数平均值第二组参数名称水平位移垂直位移放大倍数旋转角互信息值配准耗时参数值顺时针本实验在平台上用联合频率直方图的方法来求取互信息，降低了计算互信息的难度，用法作为优化算法搜索最大互信息值，提高了配准的准确性，能够自动准确地完成基于互信息法的多模医学图像配准研究。从实验结果来看，该算法成功地配准了脑部图像。该算法易于理解实现，适合用医学图像配准，特别适合于双模的医学图像配准。基于互信息配准算法总结医学图像配准算法的可靠性决定了其应用价值。个好的配准算法，当图像质量变差或数据缺损时，它对预处理和人工干预的需求增加不多，且其配准精度并不下降。从上面的实验可以得出个结论基于互信息的配准方法恰好具有上述优点，人工干预少，只依赖于图像本身的信息，不需要任何假设或先验医学知识，也不需要对图像进行特征点提取组织分类等预处理，是种自动而有效的配准算法配准的精度高，可以达到亚象素级可靠性高，对图像中的几何失真不敏感不依赖于任何成像设备，可应用于多模态医学图像配准。基于互信息的图像配准算法在些关键技术上还存在些技术问题，特别是局部极值问题。而且其配准速度与图像的相关性和图像的相互位置有关，当图像的相关性小的时候，配准所需的时间长，而相关性大的图像配准所需时间短。图脑部图像第二组图脑部图像第二组图联合灰度直方图基于小波变换的融合方法的总结根据融合之后的结果可知，利用基于小波变换的融合方法可以得到即有原图像的解剖信息又有原图像的骨骼信息的新图像，在调整小波分解层数的过程中，发现在第组中当分解层数为的时候，得到的图像最为理想，边缘清晰，细节丰富，图即为分解层数为时第组所得到的融合图像。此时的图像能够满足医学诊断的基本要求。图为第二组中得到的最佳融合图像，此时的小波分解层数为，也较为满足医学诊断的要求。图配准后的图像第组图配准后的图像第二组图融合后的新图像第组图融合后的新图像第二组表不同小波分解层数时图像的值第组小波分解层数图像值图像值表不同小波分解层数时图像的值第二组小波分解层数图像值图像值所以，本文提出的配准算法和融合算法经仿真实验证明，在定程度上可满足医学图像处理的要求。图实验获得的配准参数第组图实验获得的配准参数第二组总结与展望总结医学影像技术的发展及临床应用的实践告诉我们，面临复杂的临床问题，单独的种成像方式和技术无法单独解决所有问题，每种影像技术都有各自的优点和局限性。将利用各种成像设备检查所得到的图像信息进行数字化综合处理，对多模图像进行综合利用，而后进行空间配准融合，进而得到种全新的信息图像，医生可通过研究这种全新的多功能图像，进步更清晰地观察，更准确地判断病症点的位置。本文以两幅和脑部灰度图像为例，设计了双模医学图像的配准方法。本文设计的配准方法是基于互信息的图像配准方法，以为开发环境，进行仿真实验，实现了和图像的配准，配准精度可以达到像素级。并在配准的基础上，对两幅图像进行了融合，并同时显示配准前和配准后的图像，达到了任务的要求。展望本文仅仅就基于互信息的方法对图像进行了配准融合，这在整个图像处理领域只是沧海粟，因为时间不充分以及本人对软件的不熟悉以及知识的缺乏，还有很多有意义的工作需要在此基础上继续进行。这些后续工作可以是基于互信息的配准方法是目前公认实用性最好的配准方法，但它大多所配准的都是等图像，却很少运用在光这种最常见的医疗检测中，考虑实用性，应更多得在这方面进行研究。本文应该进,致谢时光飞逝，转眼大学四年学习即将结束。回首大学学习期间的校园学习生活，在知识的海洋里汲取营养和体味获取知识的充实与喜悦，不禁感慨万千。历时将近两个月的时间终于将这篇论文写完，在论文的写作过程中遇到了无数的困难和障碍，都在同学和老师的帮助下度过了。尤其要强烈感谢我的论文指导老师丁老师，他对我进行了无私的指导和帮助，不厌其烦的帮助进行论文的修改和改进。另外，在校图书馆查找资料的时候，图书馆的老师也给我提供了很多方面的支持与帮助。在此向帮助和指导过我的各位老师表示最中心的感谢,感谢这篇论文所涉及到的各位学者。本文引用了数位学者的研究文献，如果没有各位学者的研究成果的帮助和启发，我将很难完成本篇论文的写作。感谢我的同学和朋友，在我写论文的过程中给予我了很多你问素材，还在论文的撰写和排版灯过程中提供热的帮是他以后真正走向社会所无法对于同尺寸的轴颈，滚动轴承的宽度比滑动轴承小，可使机器的轴向结构紧凑。大多数滚动轴承能同时受径向和轴向载荷，故轴承组合结构较简单。消耗润滑剂少，便于密封，易于维护。不需要用有色金属。标准化程度高，成批生产，成本较低。缺点承受冲击载荷能力较差。高速重载荷下轴承寿命较低。震动及噪声较大。径向尺寸比滑动轴承大。不能制成剖分式。插齿机中，起承重作用的轴承只有两个，而且其承受力的方向只存在于径向，且轴承运转速度不高，冲击较小，故采用深沟球轴承，其综合性能较好，应用广泛，比较经济。而剩余的轴承中有的起导向作用，其主要承受径向力，而且受力较小，故对轴承要求较低，深沟球轴承能完全满足要求，故选用。而另些轴承基本上都是径向受力，轴向不受力，故要求都较低，所以都选用深沟球轴承，深沟球轴承主要承受径向力，也可以承受定的双向轴向载荷。摩擦系数小，极限转速高，价廉，可以减少成本。这些轴承般采用轴间和轴用弹性挡圈固定，有的也采用端盖固定，负责承重的轮子里面的轴承就是采用轴间和轴用弹性挡圈固定，而轮子的设计也很巧妙，其边缘就像火车车轮样卡在导轨上，使其不能左右移动，只能沿着导轨方向转动，保证工作台不能左右蹿动。而左导轨上方的轴承可以自由移动，可以保证热胀冷缩时产生的横向移动使机床不受损坏。另外轴向弹性挡圈装卸方便，占位小，制造简单，用于较小轴向载荷低转速处。润滑为了降低摩擦阻力和减轻磨损滚动轴承需要润滑，通过润滑液也能够吸震冷却防另外，老师带我到学校的实验室看了实体的机床，让我感受到和看模型不样的感觉，设计中间的很多细节得以了解。再次，我对自己以前所学过的知识有了个深刻的体会，过去的时光我虽然认真学习课本上的知识，但回想起所学的知识，也是个笼统的概念，而且也不清楚怎么应用于实践。通过毕业设计，我对自己的专业知识有了更加深入地理解和掌握，在这三个多月的设计中，融入了几乎所有的知识，是对大学知识的个融会贯通。通过在戴老师带领下的参观和实习，我学到了很多东西，这些东西都是以前感觉很模糊的，通过自己亲自实践，加深了对知识的掌握，知道自己所学远远不够，还需不断努力。虽然本课题已经完成，但设计中还有很多这样或那样的不足，在以后的学习中，我会继续查阅资料完善其不足之处。通过本次的毕业设计，我查阅了大量的资料，把课堂上学习的内容运用到了实际的毕业设计中，巩固了自己的专业知识，重要的是发现了自己的很多不足，使我受益颇多。当自己遇到难题时，通过向指导老应用较为广泛。常用的碳素钢有钢，最常用的为钢。为保证其力学性能，应进行调质或正火处理。此处轴的材料为钢，进行调质处理。在般情况下，轴的工作能力约定于它的强度和刚度，对于机床主轴，后者尤为重要。高速转轴则还决定于它的震动稳定性。在设计轴时，除应按工作能力准则进行设计计算或校核计算外，在结构设计上还须满足其他系列的移动，需要轴向固定的方法使它们在轴上有确定的位置为传递转矩，轴上零件还应作周向固定对轴与其他零件间有相对滑动的表面应有情此图可以看出，融合后的图像，边缘清晰明显，即高频灰度增强，保留了图像的特点，在此基础上，也较为准确得表达了中丰富的软组织信息，且两幅图的信息的相对位置也较为准确和清楚，能达到互补的功能，达到了图像融合的目的和要求。图脑部图像第组图脑部图像第组通过配准参数图可以看出，在第组中，图像经过放大倍，顺时针旋转度，方向位移单位，方向位移单位后，两幅图像的互信息达到最大值，这时图像的配准就已经完成了，整个配准所用时间为秒。由于算法有定的误差，所以进行了多次的实验。经过多次仿真实验，得出配准参数平均值，见表。通过配准参数图可以看出，在第二组中，图像经过放大倍，顺时针旋转度，方向位移单位，方向位移单位后，两幅图像的互信息达到最大值，这时图像的配准就已经完成了，整个配准所用时间为秒。由于算法有定的误差，所以进行了多次的实验。经过多次仿真实验，得出配准参数平均值，见表。在图像的融合方面，小波分解的层数代表着对原图像频带的分解状况，理论上，小波分解的层数越多，产生的子带也越多，在定程度上是会提高图像的融合效果，但因为上级的分解输出要作为下级的输入，可能会导致信息的丢失和错位。因此对小波分解的层数进行了层的实验，并计算出不同层数时，两张图像的值，见表。由表可看出，在第组中，当小波分解层数为时，两张图像的值趋于稳定，所以选择小波分解层数为时得到的图像作为最佳融合图像。而在第二组中，如表，当小波分解层数为时，两图像的就已经接近稳定，所以这时选择小波分解层数为时得到的图像作为最佳融合图像。这说明，对不同图像进行融合时，得到最佳融合图像的小波分解层数可能是不同的。表获取的配准参数平均值第组参数名称水平位移垂直位移放大倍数旋转角互信息值配准耗时参数值顺时针表获取的配准参数平均值第二组参数名称水平位移垂直位移放大倍数旋转角互信息值配准耗时参数值顺时针本实验在平台上用联合频率直方图的方法来求取互信息，降低了计算互信息的难度，用法作为优化算法搜索最大互信息值，提高了配准的准确性，能够自动准确地完成基于互信息法的多模医学图像配准研究。从实验结果来看，该算法成功地配准了脑部图像。该算法易于理解实现，适合用医学图像配准，特别适合于双模的医学图像配准。基于互信息配准算法总结医学图像配准算法的可靠性决定了其应用价值。个好的配准算法，当图像质量变差或数据缺损时，它对预处理和人工干预的需求增加不多，且其配准精度并不下降。从上面的实验可以得出个结论基于互信息的配准方法恰好具有上述优点，人工干预少，只依赖于图像本身的信息，不需要任何假设或先验医学知识，也不需要对图像进行特征点提取组织分类等预处理，是种自动而有效的配准算法配准的精度高，可以达到亚象素级可靠性高，对图像中的几何失真不敏感不依赖于任何成像设备，可应用于多模态医学图像配准。基于互信息的图像配准算法在些关键技术上还存在些技术问题，特别是局部极值问题。而且其配准速度与图像的相关性和图像的相互位置有关，当图像的相关性小的时候，配准所需的时间长，而相关性大的