一种新的结构正割法在时间序列图像配准中应用

脑功能成像是进行神经科学研究的一项重要技术.在脑功能图像的数据分析中,时间序列图像的配准精度是对脑功能图像进行统计分析成功与否的关键.针对一种典型的非线性最小二乘形式的配准测度,引进一种新的结构正割法来计算其极小值.该方法给出了目标函数海森阵二阶信息项的一种新的较佳近似,而并非像高斯-牛顿法那样将其直接舍去,从而提高了计算精度;并且在近似的过程中,校正矩阵始终保持对称正定,所以在搜索下降方向的时候,总会找到一个解.模拟计算结果表明该方法配准精度高,计算时间较短,可以较好地解决图像配准问题.     

fMRI时间序列图像的配准测度及其相关优化方法

随着脑功能成像技术的迅速发展，人们对fMRI时间序列图像的配准问题也越来越重视．通过配准测度的建立，图像的配准问题最终被归结为数学上的多参数优化问题．本文综述了目前较常用的配准方法，介绍了基于灰度值的图像配准的差值平方和测度与互信息、测度以及求解它们的优化方法：阻尼GaussNewton法、有记忆功能的模拟退火算法、改进的Powell算法和一类新的进化策略算法．这四种算法各有特点能有效地找到最佳配准参数，配准精度较高，且能收敛到全局最优点。