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.     

一种改进的基于小波分解和混合优化的图像配准方法

提出了一种改进的基于小波分解、互信息测度以及混合优化的图像配准方法.在最低分辨率下采用一种带极值扰动的简化粒子群优化算法进行全局优化,在高分辨率下采用鲍威尔算法进行优化.结果表明:该方法用于医学图像及普通灰度图像配准,都具有良好的全局优化性能和时间性能.     

医学图像配准技术及实现概况

随着各种医学成像设备在临床中的大量应用，医学图像配准在诊断和疗效评价等方面显示出了重要价值，逐渐成为医学图像处理领域的一个研究重点.我们对医学图像配准中的一些关键技术及主要方法进行了综述，比较了各种算法的特点及其应用场合，对医学图像配准的发展趋势进行了展望.     

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。     

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。     

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.     

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。     

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.     

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．     

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.