加快寻优的医学图像互信息配准算法的研究

为了实现多模念医学图像的配准融合，提出一种加快寻优的医学图像互信息配准算法实现CT和MR图像的配准。该算法首先使用形态学方法提取图像的边界，再用力矩主轴法算出浮动图像进行刚性变换的初步平移量和旋转量，然后以此作为互信息法的初始参数进行寻优，找出最佳变换，实现CT和MR医学图像的自动刚性配准。该办法计算简单、运算量少。利用该配准算法实现融合的结果图像经过临床医生检验，认为达到临床诊断的要求，能辅助临床医生对疾病做出正确的诊断。     

加快寻优的医学图像互信息配准算法的研究

为了实现多模态医学图像的配准融合,提出一种加快寻优的医学图像互信息配准算法实现CT和MR图像的配准.该算法首先使用形态学方法提取图像的边界,再用力矩主轴法算出浮动图像进行刚性变换的初步平移量和旋转量,然后以此作为互信息法的初始参数进行寻优,找出最佳变换,实现CT和MR医学图像的自动刚性配准.该方法计算简单、运算量少.利用该配准算法实现融合的结果图像经过临床医生检验,认为达到临床诊断的要求,能辅助临床医生对疾病做出正确的诊断.     

医学图像配准方法分类及现状

医学图像配准是医学图像融合的前提，是目前医学图像处理中的热点，具有重要的临床诊断和治疗价值。依据7个标准对医学图像配准方法进行了分类，然后从3个方面综述了目前的一些主要的医学图像配准方法，如矩和主轴法、互信息法和相关法等。由于医学图像配准是一项比较复杂和困难的课题，尽管目前已提出许多算法，但并没有一种配准方法能在各个方面都达到理想要求，因此不得不在精确度、速度、自动化程度等方面加以取舍。随着计算机技术和医学成像技术的发展，医学图像的配准技术也一定会得到快速发展。     

基于互信息的多模图像配准研究

分析了基于互信息的多模态图像配准的理论和方法,从信息论的角度分析了互信息的性质以及两幅图像互信息的计算等,同时给出基于互信息的图像配准的基本步骤。     

一种新的多模态图像集成配准方法

提出一种新的多模态图像集成配准方法。该算法是在对齐度和归一化互信息2种方法的基础上,引入图像边缘检测和均衡化,从而综合利用6种配准算法进行集成多模态图像配准。使用少数服从多数和基于可信度的加权2种集成准则,对红外热像仪图像和相应可见光图像进行实验分析,结果证明该集成配准方法准确性高,鲁棒性强,较之非集成配准方法具有明显的优势。     

基于互信息和混合优化算法的多模医学图像配准

针对互信息函数的多极值问题,提出了一种基于混合优化算法的多模医学图像配准方法.对于多模医学图像,以互信息作为相似性测度,使用混合优化算法搜索出最佳配准变换参数,将待配准图像进行变换,从而达到配准的目的.实验表明,该算法能避免陷入局部最优值,配准结果精度达到亚像素级.     

基于混合优化算法的医学图像配准技术

在图像配准的优化算法中, 为避免使算法陷入局部最优的问题。 因此, 提出基于最大互信息和混合优化算法的医学图像配准算法, 利用模拟退火算法思想改进粒子群优化算法, 提高了全局寻优的能力, 能更好地跳出局部最优。 由实验结果可知, 该方法不仅具有较好的图像配准精度, 对椒盐噪声和高斯噪声也有较好的鲁棒性。     

基于互信息与梯度相似性相结合的医学图像配准方法

针对传统互信息配准方法未利用图像空间信息的缺点,提出一种将互信息与梯度相似性结合的医学图像配准方法.待配准图像的每组对应点的梯度相似性包括方向相似性和模值相似性.待配准图像整体梯度相似性系数由各对应点对的梯度相似性之和决定,该系数与传统互信息的乘积作为图像配准的测度.利用2D多模图像分别进行平移、旋转、采样,得到配准函数曲线,并给出具体的配准实例.实验结果表明,该方法比传统互信息有更高的鲁棒性和精度.     

基于医学图像配准方法的研究

本文对医学图像的配准方法进行了研究,分析了刚性配准和非刚性配准方法的主要区别和适用范围,并分别对图像进行了两种方法的配准。     

基于互信息的视网膜眼底图像配准方法

提出一种在于互信息的视网膜眼底图像配准方法，并采用遗传算法求解待配准图像的变换参数。与传统方法相比，该方法具有配准精度高、可可靠性好、不需要进行图像的预分割和特征提取等特点，配准精确度可以达到亚像素级。     

基于局部熵的Active Demons多模医学图像配准

针对Active Demons算法只能配准同模态图像,并且图像的灰度梯度不太明显时形变方向无法确定从而导致误配准的问题,提出了一种基于局部熵改进的Active Demons多模医学图像配准算法.该算法首先将原图像转换为局部熵图像,然后使用改进的Active Demons算法进行配准,该算法在Active Demons分母上分别加入浮动图像与参考图像的灰度梯度值平方.正则化变换时以双边滤波器代替高斯滤波器,使得图像边缘的细节信息保持较好.多模态医学图像配准的实验结果说明该方法精确度高,使图像质量得以提升.     

基于ASIFT的医学图像配准算法

对ASIFT算法的原理进行了分析,针对医学图像配准鲁棒性强、准确性高和低耗时率的要求,设计出基于ASIFT的医学图像配准算法。该算法首先通过ASIFT算法提取图像特征点,接着用欧式距离筛选出匹配的特征点,最后实现参考图像与浮动图像之间的配准。该算法较好地解决了其他同类型算法中存在的提取的特征点数量少、特征点匹配的精确度不高、不能对扭曲变形的仿射图像配准等问题。实验结果表明,该算法不仅提高了配准的精确度和准确性,也提高了配准的稳定性和可靠性。     

基于光流场模型的医学图像配准

基于最大化互信息的配准方法因其复杂性高而不能满足临床的实时性要求;基于光流场模型的图像配准方法计算简单快速,但已有的采用光流场进行配准的方法都直接采用原始的Horn模型,该模型简单地采用速度场的模作为光滑性约束,而导致配准过程不能保持图像的不连续性,使得图像严重模糊以致无法应用,该模型还存在不能处理大位移的问题.为了能在配准过程中尽可能地保持图像特征,采用了Lucas等人提出的窗口化光流场模型,通过选用小的窗口减轻对图像造成的模糊;对于大位移问题,可以采用金字塔结构来有效处理.实验结果证明,Lucas光流场模型应用于医学图像配准能够得到较准确的配准结果,具有很高的运行效率.     

基于局部几何约束的医学图像配准方法

提出一种基于局部邻域几何约束的医学图像配准方法,通过判断初始匹配的SIFT特征点间的几何关系,去除误匹配对;在医学图像中提取全部三维灰度特征,进行第二次误匹配对去除操作,匹配精度高、稳定性强、计算速度快.试验结果表明,本文方法在保证计算速度的前提下,能够在一定程度上提高医学图像特征匹配的准确率.     

基于光流场模型的医学图像配准

基于最大化互信息的配准方法因其复杂性高而不能满足临床的实时性要求；基于光流场模型的图像配准方法计算简单快速，但已有的采用光流场进行配准的方法都直接采用原始的Horn模型，该模型简单地采用速度场的模作为光滑性约束，而导致配准过程不能保持图像的不连续性，使得图像严重模糊以致无法应用，该模型还存在不能处理大位移的问题．为了能在配准过程中尽可能地保持图像特征，采用了Lucas等人提出的窗口化光流场模型，通过选用小的窗口减轻对图像造成的模糊；对于大位移问题，可以采用金字塔结构来有效处理．实验结果证明，Lucas光流场模型应用于医学图像配准能够得到较准确的配准结果，具有很高的运行效率．     

基于Fourier-Mellin变换的医学图像配准算法

针对基于互信息配准广泛应用于医学图像配准,存在计算量非常大、耗时长,受初始旋转和平移参数影响较大而使目标函数陷入局部极小等问题,采用Fourier-Mellin变换,先计算出2幅图像功率谱的反Fourier变换得到所对应的峰值位置,从而求得它们的相对平移,对于图像幅度谱用对数-极(Log-Polar)变换求出相对旋转角度,从而获得2幅图像配准参数,最后对图像进行配准.RTMT虽然能快速配准,但是配准精度有待提高.将RTMT和RMI结合在一起进行配准,即将RTMT获得的旋转角和平移量作为RMI的初始值,再应用RMI配准.这种方法不但计算量少而且运算简单,得出的结果精度高并且配准速度快,对于单模态图像配准和多模态配准都适用,还解决了容易陷入局部最优的问题.     

基于层次B样条的医学图像弹性配准方法

弹性配准是医学图像处理的重要研究内容，为了精确得到图像的局部几何变形，需要大量均匀分布的标记点来表示局部偏差，为此，提出了一种自动、准确的基于区域相似性的标记点选取方法，并利用层次B样条散乱数据插值方法能够解决逼近精度和光滑性的平衡问题的特点，建立一种新的配准方法．实验证明，本文提出的自动标记点的选取方法能够产生准确的表示局部变形的标记点对应性，所建立的配准方法是一种准确、简便和稳定的方法，能够产生光滑、准确的配准变换．     

基于统计形变模型的多模医学图像非刚性配准方法研究

多模医学图像间可能存在复杂的非刚性形变,矫正这类形变需要采用具有较高自由度的非线性变换模型.直接求解非线性变换的高维参数,不仅会增加配准时间,而且也影响配准精度.为此,本文提出一种基于统计形变模型的配准算法,该算法利用统计形变模型对大量多模图像间的非刚性形变进行统计学习,利用由此建立的模型大幅减少变换模型的参数,达到提高图像配准效率和精度的目的.大量的实验结果表明：与基于传统自由形变模型的配准算法相比,本文提出的基于统计形变模型的配准算法其效率可以提高52%,同时目标配准误差平均减少0.503 2个像素.