基于改进PV插值和混合优化算法的医学图像配准

基于互信息的医学图像配准算法近来获得了广泛的应用.在计算互信息的时候,采用部分体积插值计算联合直方图无法避免在象素整数倍位移处的局部极值,有可能导致误配准.本文提出了基于B样条函数的部分体积插值方法,有效地减少象素整数倍位移处的局部极值;在优化互信息函数的时候先使用遗传算法将配准参数收敛到最优值附近,然后使用Powell方法进行局部搜索,避免误收敛.实验表明,本文提出的算法具有更好的精确性和稳定性.     

基于MRF模型的多模态图像配准技术研究

在医学图像处理领域中,医学图像配准技术极其重要,其价值体现在临床医学中对图像处理技术的应用。在解决多模态图像配准的相关问题时,基于互信息方法的应用最广泛,但在某些特定的应用中该方法受到的约束仍然较多。针对这一情况,提出一种新的医学图像配准算法,模态变换的引入作为此研究算法的基础,之后新的马尔可夫能量函数则根据两幅通过模态变换后的图像矩阵以及原配准图像得以构建。同时,为了优化能量函数引入了一种改进的梯度下降算法,从而得到配准结果。最后,运用不同的医学图像进行配准实验来验证该算法,通过实验证明该配准算法具有良好的有效性及抗噪性能。     

基于ITK实现多模态医学图像配准

多模态医学图像配准是医学图像配准领域的一项关键技术.目前,医学图像配准技术已经拥有了不少成熟的算法,但因其算法本身的复杂性或编程的复杂性,给许多致力于医学图像的分析处理和应用研究但又缺乏软件开发经验的研究人员增加了研究工作的难度.以基于互信息的多模态医学图像配准算法为例,将ITK有关类库函数应用于医学图像配准中.给出了基于ITK实现图像配准的处理流程、数据输入输出方式以及算法的编译和运行方法.实例表明,基于ITK的配准算法简化了医学图像配准程序的开发工作,为医学图像引导临床诊断的研究应用提供参考.     

基于平移旋转不变的塔式分解和模糊梯度场的医学图像配准

 为了提高医学图像配准的精度和速度,提出一种改进的圆周对称多分辨率分解算法,用环形带通滤波器代替高通滤波器,使各尺度的子带都具有平移和旋转不变性.不丢失信息的前提下,降低计算的冗余度.塔式分解的低频子带能量集中,用互信息进行配准;高频子带提供重要的解剖结构信息,构造基于边缘信息的模糊梯度场,并用模糊贴近度作为相似性测度,与互信息相结合.实验结果验证了新的金字塔算法的有效性,并且可以实现多模态医学图像的配准,结合模糊梯度场的配准算法提高了算法的鲁棒性,快速准确稳定地实现医学图像配准.     

基于互信息和梯度的红外与可见光图像配准新方法

红外与可见光图像配准是常见的多传感器图像配准,在军事、遥感等领域有着广泛的应用。提出了一种基于互信息和图像梯度的红外与可见光图像的自动配准方法：首先,获得图像的梯度信息,然后根据定义的扩展结构获得边缘区域图像,选择最大归一化互信息作为相似性测度,使用Powell算法获得最佳配准参数。实验结果证明,本文方法较传统的基于互信息和梯度的配准方法,提高了配准的速度和精度,可以作为一种有效的粗配准的方法。     

医学图像配准中的数据抽样方法研究

针对在基于灰度的医学图像配准中,传统数据抽样方法在过抽样时产生较多的局部极值点问题,提出了基于浮动图像灰度概率分布和其梯度信息的抽样方法.通过对人体脑部的刚体配准实验,从函数曲线和收敛性能方面,对比分析了五种数据抽样方法.实验结果表明,新抽样方法可以有效地减少局部极值点,提高归一化互信息测度的收敛性能.     

采用改进梯度互信息和粒子群优化算法的红外与可见光图像配准算法

针对传统互信息图像配准容易产生局部极值,以及传统梯度互信息配准方法计算量大等问题,在互信息和梯度方法基础上构建了一种改进的梯度互信息方法,该方法直接统计梯度图像的互信息,有效地将图像梯度信息和灰度信息结合起来,不仅保证了配准精度,而且较传统梯度互信息方法减少了计算量。在参量优化的过程中,针对传统粒子群优化算法易陷入局部极值的缺点,提出了改进的粒子群优化算法,该算法在传统粒子群优化算法基础上引入混沌优化思想和遗传算法中的杂交思想,不仅能够有效抑制局部极值,而且加快了收敛速度。多种红外与可见光图像配准实验结果证明,文中提出的算法能够有效提高配准精度和速度。     

蚁群算法和Powell法结合的多分辨率三维图像配准

基于互信息的配准方法具有精度高,鲁棒性强的特点,成为近年来图像配准研究的热点.但基于互信息的目标函数存在许多局部极值,为配准的优化过程带来了很大的困难.该文提出了一种蚁群算法和Powell法相结合的多分辨率搜索优化算法.该算法以互信息作为相似性测度,采用基于小波变换的多分辨率策略,将蚁群算法与Powell法结合起来对三维的CT,MR图像进行了配准.实验结果表明,这种方法能够有效地克服互信息函数的局部极值,大大地提高了配准精度,达到亚像素级.     

基于互信息量和模糊梯度相似性的医学图像配准

本文分析了基于互信息量的医学图像配准算法中存在的鲁棒性问题,提出创建图像的模糊梯度场及建立模糊梯度相似性测度,并将其结合到互信息量配准算法当中.实验证明,本方法很好的解决了传统基于互信息量的方法中存在的鲁棒性问题,能够快速稳定地实现医学图像配准.     

基于区域选择和特征点匹配的图像配准算法

提出了一种新的基于圆形区域和Harris角点检测的图像配准算法.该方法采用Harris算子检测特征点信息,自动选取有效特征点,充分利用圆形区域的旋转不变性和互信息量最大原则进行特征点匹配,避免了传统的图像配准算法计算数据量过大、特征点匹配不准确等问题.仿真结果表明,该方法能在27.8 s内完成配准过程,优于传统的图像配准方法;在旋转角度上有0.07°的误差,但并不影响平移距离的正确配准.     

基于交叉累计剩余熵的多光谱图像配准方法

针对传统互信息图像配准容易产生局部极值的问题,提出将双边滤波器和交叉累计剩余熵结合作为匹配算法,进行多光谱图像的配准。在这种配准算法中,首先针对多光谱图像特点,提出基于概率密度的双边滤波器边缘提取方法,其次采用交叉累计剩余熵代替互信息作为测度函数将参考图像与待匹配图像的边缘进行匹配。双边滤波器的特性是去噪保边,而累计剩余熵比香农熵更具一般性,且该函数可以有效地避免局部极值,去除噪声。实验证明,该方法鲁棒性好,配准效果明显。     

Image registration by maximization of combined mutual information and gradient information

Mutual information has developed into an accurate measure for rigid and affine monomodality and multimodality image registration. The robustness of the measure is questionable, however. A possible reason for this is the absence of spatial information in the measure. The present paper proposes to include spatial information by combining mutual information with a term based on the image gradient of the images to be registered. The gradient term not only seeks to align locations of high gradient magnitude, but also aims for a similar orientation of the gradients at these locations. Results of combining both standard mutual information as well as a normalized measure are presented for rigid registration of three-dimensional clinical images [magnetic resonance (MR), computed tomography (CT), and positron emission tomography (PET)]. The results indicate that the combined measures yield a better registration function does mutual information or normalized mutual information per se. The registration functions are less sensitive to low sampling resolution, do not contain incorrect global maxima that are sometimes found in the mutual information function, and interpolation-induced local minima can be reduced. These characteristics yield the promise of more robust registration measures. The accuracy of the combined measures is similar to that of mutual information-based methods.     

一种图像快速配准算法的研究

在基于小波分解和互信息测度的图像配准方法的基础上,提出一种改进的快速图像配准算法。首先,对图像进行小波分解,以分解后的图像的近似分量进行配准,利用互信息最大化作为相似性测度,并结合粒子群优化算法和鲍威尔算法为优化策略搜索最优配准参数。实验结果显示,此方法在得到较高的配准精度和鲁棒性的情况下,还大大减少了运算量,提高了配准的速度。     

融合确定性信息和随机信息的插值方法研究

为了提高医学图像配准过程中的测度曲线光滑性和运算速度,本文利用图像的灰度概率分布作为确定性信息,同时利用非整数网格位置处的灰度随机性信息,定义了融合确定性信息和随机性信息的置信区域(DSCR);结合最近邻域插值法,提出了基于DSCR的最近邻域插值法(DSCRNN)。使用DSCRNN插值方法得到测度在整数平移位置处的值是准确无误差的。通过医学图像之间的刚体配准实验,从函数曲线、运算时间、抗噪鲁棒性和收敛性能方面对比分析了8种插值方法,结果表明,相对其它插值方法,DSCRNN插值方法在不牺牲插值速度的前提条件下可以提高归一化互信息(NMI)测度的收敛性能和抗噪声能力。     

基于改进自适应遗传算法的图像配准方法

采用遗传算法进行图像配准时,存在收敛速度慢、易早熟的问题,可能导致误配。为克服这些缺点,提出了改进的自适应遗传算法(improved adaptive genetic algorithm,IAGA)。该算法以互信息作为相似性测度,通过对遗传参数设置的改进,自适应的调解进化过程中的交叉概率和变异概率,既提高了遗传算法的收敛速度,又有效地防止了早熟。实验结果表明,改进算法具有更好的有效性和精确性。     

Automatic two-stage IR and MMW image registration algorithm forconcealed weapons detection

A two-stage registration scheme for the concealed weapons detection (CWD) problem is developed. The goal is to automatically register images taken simultaneously from two different (infrared (IR) and millimetre wave (MMW)) but parallel sensors whose lines of sight (LOS) are close to each other. The purpose of the first stage is to register the images coarsely. A feature-based image registration algorithm based on human body silhouettes is developed at this stage. The pose parameters found at this stage are used as the starting search point for the second stage of the registration algorithm. At the second stage, maximisation of the mutual information measure between IR and MMW images is performed to improve the pose parameters obtained at the first stage. Two-dimensional partial volume interpolation is employed to estimate the joint histogram that is needed to calculate mutual information (MI). The simplex search algorithm is utilised to maximise the MI measure. In both stages, the distortion between the two images is assumed to be a rigid body transformation. Experimental results indicate that the automated two-stage registration algorithm performs fairly well     

基于最大互信息的图像拼接优化算法

基于多分辨分析(MA)策略,提出了以图像最大互信息(MI)为匹配测度的图像拼接粒子群优化算法(OA-MI),使参数随图像的MI计算和多分辨率级数进行自适应调整,解决了灰度图像配准中由于目标函数容易陷入局部极值而造成的误匹配问题。实验证明,该方法能够有效地避免局部极值的影响,通过有限次寻优迭代即可找到最优配准变换,提高了图像配准的计算速度和图像拼接的质量。     

基于互信息的荧光素眼底血管造影图像序列的自动配准方法

荧光素眼底血管造影技术(FFA)是眼底疾病诊断的金标准,但是造影过程中病人不可避免地转动眼球,造成FFA图像序列中感兴趣区域(例如视网膜血管分支、新生血管)的位置发生变化,给后续的图像定量分析与病情准确评估诊断带来困难。针对上述问题,该文提出一种基于互信息的FFA图像序列配准方法。首先采用多尺度线性滤波方法分割出图像中的血管,并利用图像金字塔对分割后的图像进行下采样,然后利用互信息计算待配准图像与参考图像的相似性,通过进化策略对配准参数进行优化,获得互信息最大时图像的空间变换矩阵,实现FFA图像的配准。采用上述方法,对4位患者共计1039帧FFA图像进行测试,总体配准率达到93%,失败率仅为1%;与常用的配准方法相比,所提方法的配准率、配准速度和鲁棒性等综合性能良好,为FFA影像的定量分析在未来的临床应用奠定了基础。     

基于边缘和互信息的红外与可见光图像配准

采用一种结合边缘特征和互信息的图像配准方法,对红外与可见光图像进行配准。首先,用小波变换提取图像边缘,然后计算两幅边缘图像在不同条件（平移、旋转）下的归一化互信息,取归一化互信息最大时对应的配准参数为所需配准参数,再确定刚性仿射变换模型的参数,最后经过缩放、平移和旋转得到最终配准图像。