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.     

基于混合配准策略的多模态医学图像配准方法研究

提出了一种由"粗"到"细"的混合配准策略,该配准策略吸取了以往配准方法的优点,且在细配阶段将基于特征的配准方法和基于灰度的配准方法结合在一起,提出了基于轮廓特征点集最大互信息的配准方法,从而在速度和精度上都得到了很大提高。     

基于互信息的医学图像配准中的优化算法

基于互信息的医学图像配准方法,涉及大量浮点运算,配准过程复杂费时,选择一种有效的优化算法十分重要,本文综述了该配准方法中较常用的优化算法,并对各方法的优缺点及改进方案进行了详细的介绍。     

基于边缘检测和最大互信息的医学图像配准算法

在临床上,使用多种成像技术并适当地将其加以融合,可为临床诊断和手术治疗提供更加全面准确的信息.而图像配准是融合技术中需要先期解决的问题,也是融合的关键部分.本文提出了一种基于DSP的医学图像配准问题的研究与实现的方案.该方案首先采用TI公司的高性能多媒体数字信号处理器DM642获取实时医学图像,再用配准算法验证其获取的实时医学图像配准的可行性.并采取了基于轮廓提取和最大互信息的方法进行图像配准,克服了互信息单一的利用图像灰度信息的局限性,将边缘检测与互信息相结合,较准确地完成图像配准任务.     

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。     

一种利用互信息的多核并行医学图像配准算法

分析了利用互信息作为相似性测度进行医学图像配准的算法,给出了具体计算流程.针对其中互信息计算量大、耗时长的缺点,提出了一种运行于单机多核平台的快速并行配准算法.利用OpenMP(open multi-processing)构建了一个图像匹配的多核并行计算平台,并对配准程序中的互信息计算进行并行处理,最后完成配准.通过对图像匹配算法效率进行的评估实验,验证了多核并行计算技术能够提高医学图像配准的运行效率.结果表明,该方法既保证了配准精度,又能够较好解决配准速度慢的问题.     

基于互信息和改进PV插值算法的医学图像配准

基于体素的配准方法中最有效的就是最大互信息的配准方法;该方法在计算互信息的时候,采用部分体积插值计算联合直方图,这样就无法避免出现的局部极值,有可能导致误配准。文中提出了改进的部分体积插值方法,有效地避免陷入局部极值,减少误配率。     

改进的基于最大归一化互信息的医学图像配准算法

作者提出了一种基于最大归一化互信息的医学图像配准算法.该算法利用改进的部分体积插值法进行插值计算,有效地克服了图像配准中常见的局部极值问题.该算法利用最大互信息作为目标函数,POWELL优化搜索算法搜索一个最大互信息量从而获得最佳配准参数.实验证明,该算法计算简单,配准速度快,具有更好的精确性和鲁棒性.     

粗细结合的医学图像配准的互信息方法

对医学图像的配准方法进行了研究,提出了一种粗细结合的医学图像配准的互信息方法.该方法首先根据图像特征选择采样间隔对图像进行粗配准,直到采样间隔为0,接着再在小范围内,使用互信息的方法进行细配准,确定最终的配准参数.该方法不仅提高了使用互信息测度进行图像配准的速度,而且与等间隔采样相比,有更好的互信息平滑性能,为进一步寻找最优配准参数提供了方便.理论分析与实验结果表明,该方法对医学图像的处理有很好的效果.     

基于互信息的EAA算法的脑部医学图像配准技术

提出了基于互信息的EAA（Extraction of Available Area有效区域提取）算法的配准方法。此方法根据人体脑部医学图像特点,首先通过图像的灰度差异,对图像进行预处理,并利用区域生长法,提取互信息的有效区域——病灶的可疑区域和颅骨轮廓,然后只将此区域做为配准的有效信息,寻找配准参数,使两幅图像的互信息最大。仿真时采用MR-PET图像,进行了22组对比实验。结果表明,此方法一定程度上消除了图像中无效区域的影响,在配准精度及配准时间上有一定的优势。     

基于多分辨率和互信息的图像配准方法研究

用互信息进行图像配准可使配准的精度达到亚像素级,但该方法因计算量很大致使配准速度较慢.为了提高图像配准速度,并进一步提高配准的精度,首先运用多分辨率的方法将两幅待配准图像分别分解成n个不同分辨率的子图像,然后利用互信息先将分辨率最低的图像进行粗配准,并将此配准的结果作为下一个分辨率较高的图像配准的基础,继续这个过程直至最高分辨率图像被配准,即运用由粗到精的配准策略减小计算量,从而提高配准速度.用Visual C++6.0编程实现该配准方法,实验结果表明在图像配准过程中将多分辨率和互信息结合起来使用,配准速度得到很大的提高,并且由于多分辨率的使用有利于避免局部最大值,使得配准精度也有了一定程度的提高.     

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。     

双向梯度归一化互信息医学图像配准方法

传统互信息配准方法未利用图像的空间信息,为此,提出一种将互信息与梯度相似性相结合的双向医学图像配准方法.首先以图像A为参考,求图像A和待配准图像B的每组对应点的梯度相似性,并在计算相似性之前引入高斯算子以降低噪声影响,将梯度相似性因子与归一化互信息的乘积作为图像配准的正向测度;反过来,再以图像B为参考计算逆向的梯度归一化互信息.由此得到双向梯度归一化互信息.实验结果表明,该方法比传统归一化互信息和梯度归一化互信息方法有更高的鲁棒性和精度.     

基于互信息的复合遗传算法在医学图像配准中的应用

分析当前的医学图像配准技术及算法,选择基于体素相似性的图像配准方法,以互信息作为配准相似性测度,将混合遗传算法、自适应遗传算法和育种算法相结合,提出复合遗传算法,以提高遗传算法的鲁棒性,加速收敛过程,准确地实现多模医学图像配准,再利用此算法对无噪声图像和有噪声图像进行配准实验.实验结果证明了该算法的可行性,是一种值得推...     

基于最大互信息的分层图像配准方法

基于互信息的图像配准算法具有精度高,鲁棒性强的特点,但是容易陷入局部极值,产生误匹配。本文在配准中采用归一化互信息(NMI)做价值函数,考虑了计算中的出界点和插值问题,将Powell算法与分层策略相结合来进行优化处理,并通过计算图像的灰度重心设置初始参数。实验结果验证了算法在匹配精度和速度上的有效性。     

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.     

基于互信息量的医学图像拼合算法

研究了基于互信息量的图像拼合方法,对现有的概率分布估计方法及搜索策略进行了比较,并提出用梯度二值化图像互相关配准做预处理方法,并就融合后图像的显示问题提出一种基于边界法向插值的新方法.应用这些方法拼合实际XA医学图像,实现序列下肢步进图像的准确拼合.