基于梯度信息和区域互信息的图像配准

针对红外图像和可见光图像的特性,提出了基于梯度信息和区域互信息的红外与可见光图像配准。为了提高配准的速度,采用分层配准方法:使用小波分解将原始图像分为两层,在小尺度层上使用梯度信息和PSO方法找到粗配准参数,大尺度层上使用区域互信息和Powell搜索。其中,Powell搜索的初始值为粗配准参数,最终实现红外图像和可见光图像的有效配准。仿真实验结果表明:该算法配准精度高、速度快、鲁棒性好。     

基于改进型互信息的遥感图像配准方法

互信息作为图像配准的相似性测度函数,同等程度地包含了待配准图像重叠区域中感兴趣信息和冗余信息。本文将图像中感兴趣区域的互信息引入到图像相似性测度函数中,给出一种互信息和感兴趣区域互信息相结合的新的图像配准相似性测度函数,再基于该测度函数实现对遥感图像的配准。实验结果表明本文算法在提高配准精度上的有效性。     

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.     

红外与可见光图像互信息法自动配准算法研究

本文提出了一种新的红外与可见光图像的配准算法,该方法基于图像的小波变换与互信息最大化完成图像的配准过程.首先通过搜索小波模极大提取图像感兴趣区域(ROI),完成图像预处理,并采用仿射变换,建立图像变换模型;其次将低分辨率图像进行图像插值,计算灰度直方图,进行概率分布的估计;最后选择模拟退火法,逼近全局最优解.实验结果证明了此算法的有效性.     

基于形状匹配的快速图像配准

为了发挥基于特征的图像配准方法和基于像素的配准方法的优点,提出了一种将特征匹配和最大互信息法相结合的配准方案：先提取参考图像和浮动图像中的目标形状进行匹配,利用匹配结果求出互信息搜索算法的初始值再进行搜索．实验表明,该方法计算量小、速度快且精度高,可避免参数搜索陷于局部极值,有效地提高了配准的速度和精度．     

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.     

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.     

一种用于多模态心脏图像配准的统计形状模型构建方法

统计形状模型构建的关键在于训练集样本形状的构造和形状特征点的自动提取.针对多模态心脏图像的配准问题,提出了一种统计形状模型的构建方法.模型的构建过程主要通过图谱标签图像训练集的建立、模板标签图像形状特征点的提取和模板形状到待标记图谱形状特征点的自动传递来完成.并在此构建方法的基础上,建立左心室统计形状模型引导多模态图像配准过程.为评估构建方法的有效性,使用心脏CT和MR图像数据集进行多模态配准实验验证.结果表明,基于统计形状模型约束的方法较仅靠互信息的方法在配准精度上有明显提高.     

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.     

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.     

改进的人工鱼群算法和Powell法结合的医学图像配准

针对目前基于互信息图像配准的局部极值问题,提出了一种改进的人工鱼群算法和Powell算法结合的多分辨率医学图像配准算法.该算法采用新的相似性测度方法即归一化模糊加权互信息和归一化局部能量加权匹配度,利用多分辨率策略采用HPV插值,并采用改进的人工鱼群算法结合Powell算法完成医学图像的配准.采用改进的人工鱼群算法在图像的最低分辨率上进行全局优化,以全局最优值为初始值,结合Powell算法完成图像配准.这不仅基本解决了互信息函数和Powell算法的局部极值问题,还减少了数据的处理量,加快了配准速度.实验结果表明,文中算法与其他经典的配准算法相比,提高了配准的精确度和性能.     

融合梯度信息的最小生成树医学图像配准

针对传统的均匀子采样的最小生成树配准方法对采样率敏感,导致配准鲁棒性降低的问题,提出了一种融合梯度信息的最小生成树医学图像配准算法.该算法首先提取均匀子采样点集,并在此基础上构造最小生成树;然后使用最小生成树来估计Rényi熵;最后将图像间的边缘梯度信息融入到配准框架中.通过在公共数据集RREP上,与传统的基于均匀子采样的最小生成树配准算法和基于归一化互信息配准算法相比,提出的算法在达到良好配准精度的同时,具有更平滑的配准函数和较强的鲁棒性.     

基于体素灰度3D多模医学图像配准中的相似性测度

对基于体素灰度多模医学图像配准中广泛采用的相似性测度（SM）进行了比较研究，认为在配准条件极不理想的条件下，基于互信息（SM）、归一化互信息SN、相关比（SR）的SM是最为适用的。分析了基于SR的配准法相比于SM，易于保证配准得到全局最优变换。利用基于SR的配准方法，对磁共振（MR）和CT、MR和正电子发射断层扫描（PET）临床医学图像进行配准，得到了令人满意的效果。     

Chamfer Matching 在CT 和MRI 图像匹配融合中的应用

医学影像中的CT和MRI图像的精确匹配融合能为临床提供全面，丰富的诊断信息。文中首先对CT图像正常脑组织边缘做距离变换，形成距离图像，然后利用MRI图像正常脑组织边缘作为模板，实现了CT和MRI图像的精确匹配。在此基础上完成了CT和MRI的信息融合。文中算法适用于CT和MRI的匹配，并对SPECT，PET，DSA等医学图像的匹配具有参考作用。     

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。     

基于互信息和小波分解的混合优化医学图像配准

提出一种新的基于互信息和小波分析的混合优化配准算法,在最低分辨率下用模拟退火算法进行全局优化,在高分辨率下采用Powell算法进行优化.结果显示:该方法用于医学图像配准,并与已有的传统方法进行分析比较,具有良好的全局优化性能和时间性能.     

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。     

CT脑血管图像三维重建中的层间目标对齐算法

在CT脑血管三维重建过程中,为了解决二维医学图像的层间目标对齐问题,提出了一种功效函数新算法.该算法根据图像的内部信息,一次性将断层图像移动到理想对齐位置的附近,然后在其目标周围寻找使相邻断层各匹配轮廓平均距离最小和功效函数最小的位置,即为最佳对齐位置.用几何中心代替质量重心,求出各轮廓的质量重心,降低了计算复杂度.