基于Powell算法与改进遗传算法的医学图像配准方法

针对基于互信息图像配准的局部极值问题,提出一种基于Powell算法与改进遗传算法结合的医学图像配准方法。该方法对标准遗传算法存在的收敛速度慢、易早熟、有可能导致误配的缺陷,提出了相应的改进策略; 采用Logistic混沌映射生成迭代过程中的个体; 运用基于小波变换的多分辨率分析策略,采用混合优化算法在图像的最低分辨率层进行全局优化,以全局最优值,结合Powell算法完成医学图像配准。实验结果表明,所提方法可有效避免优化算子陷入局部极值,并提高了配准速度; 相对于纯Powell方法和未改进的遗传算法,配准的精确度和性能更好。     

基于粗配准和互信息的脑部MR图像配准算法

现有的医学图像配准算法一般都存在需要人工介入、配准时间过长等问题.为了寻找快速、精确、鲁棒性强的自动配准算法,在采用主轴矩方法进行脑部MR(核磁共振)图像的初始配准的基础上,提出局部搜索算法对图像求得更精确的配准.实验表明,该方法的配准精度和现有的Powell算法都可以达到亚像素级,但局部搜索方法和Powell算法相比较,平均配准时间大大缩短;即便和采用了主轴矩粗配准的Powell算法相比较,配准效率也提高了一倍左右.主轴矩粗配准算法提高了配准效率,局部搜索算法则保证了配准的精度.     

一种混合搜索优化策略的图像配准方法研究

研究图像配准,一般都存在配准精度低,速度慢的不足。为解决上述问题,以归一化互信息作为相似性测度,提出了一种新的混合搜索优化策略:改进的蚁群算法与Powell相结合来优化配准所需的变换参数。利用粒子群算法(PSO)的思想对连续蚁群算法(ACO)的信息素全局更新规则进行改进,并与改进的Powell局部优化算法相结合,得到了亚像素级的配准精度,并且提高了配准效率。实验结果表明,改进算法可保证在全局收敛的基础上,配准精度高,速度较快,具有较好的实用性。     

基于多分辨率和Powell算法的医学图像配准

针对基于互信息和Powell算法存在局部收敛的问题,在改进的Powell算法的基础上,提出了一种基于多分辨率策略的医学图像配准算法。首先通过小波变换对源图像进行分层,然后在最低频带使用改进的Powell算法进行搜索,并利用搜索结果来指导上一层的搜索,逐层细化,由粗到细,最终实现图像的精确配准。实验结果表明,该方法较传统方法速度快、精度高、鲁棒性好,同时能有效避免局部收敛。     

遗传算法对Powell图像配准方法的改进

针对Powell算法在搜索过程中具有初始值依赖和容易陷入局部极值的问题,提出了使用遗传算法改进Powell算法在图像配准中的应用。利用图像的归一化互信息作为遗传算法的适应度,全局、并行搜索图像配准参数作为Powell算法的初始值,再使用Powell算法局部逼近近似最优解。实验结果证明,改进后的Powell算法能有效地减少图像配准的时间,提高配准的精度,精度能达到亚像素级。     

基于多分辨率分析和混合优化的医学图像配准

基于图像几何特征的配准方法速度快，应用价值高，但由于几何特征提取的不准确问题使配准易陷入局部极小，而目前常用的全局优化算法又存在收敛速度慢的问题。该文提出了一种以图像边界的平均Haudorff距离作为代价函数，基于多分辨率分析和混合优化策略的图像配准方法，将其用于医学图像配准，并与基于Hausdorff距离的几种传统方法进行分析比较，实验结果显示，在模拟退火算法和Powell算法的混合优化策略下，新方法具有良好的全局优化性能和时间性能。     

快速数字影像重建的2维/3维医学图像配准

目的 针对2D/3D医学图像配准过程中数字影像重建技术(DRR)生成图像和相似性程度测量两个步骤计算量大、耗时较长这一问题,提出了一种基于Bresenham直线生成算法改进的模式强度与梯度相结合的混合配准算法.方法 首先利用Bresenham直线生成算法原理改进传统光线投射算法(Ray-Casting),完成DRR图像的生成;其次模式强度与梯度相结合并引入多分辨率策略来降低相似性测度的计算复杂度;最终利用改进的鲍威尔优化算法对参数进行优化,完成整个配准过程.结果 实验结果表明,改进的混合配准算法与基于相关系数、互信息和模式强度的配准算法相比,配准效率大幅提升.模拟配准实验和临床配准实验完成时间分别为76.2 s和64.9 s,比传统配准算法效率提升3~6倍.结论 提出的算法在保证配准精度和高鲁棒性的前提下,大幅度地提高了2D/3D医学图像配准算法的运算速度,可以满足临床上精确引导手术进行的实时性要求.     

一种改进的心脏磁共振图像亚像素匹配方法

心肌灌注磁共振图像系列的配准是心脏分析诊断的重要辅助手段。针对心脏磁共振时间序列图像,提出了一种结合力矩主轴法与互信息法的序列图像亚像素配准新方法。给出了一种由粗配准到精配准的混合配准策略。采用力矩主轴法进行粗配准,避免那些远离全局最优点的局部极值;采用Powell算法和模拟退火算法相结合的搜索策略,以互信息的值作为目标函数,对结果进行优化。使得图像配准精度和速度有极大的提高。     

改进的区域互信息和小波变换的图像配准

为提高图像配准的速度和精度,对基于区域互信息配准算法进行了改进,运用了两层小波分解策略的配准方法,小波分解得到的最顶层图像采用粒子群优化全局寻优算法,利用搜索的结果作为下一层Powell寻优方法的起点,另外,对待配准图像应用形态学方法去除噪音。针对不同分解层的特点,采用不同的测度方法,得到的顶层图像采用改进后的区域互信息为相似性测度,而底层采用归一化互信息测度和相位一致性的相结合的方法,不仅提高了速度,还克服了图像间明暗对比的影响。实验结果表明,提出的配准算法对图像噪声有较高的鲁棒性,可达到亚像素精度,在配准速度上也有了很大的提高。     

基于最大互信息和量子粒子群优化算法的医学图像配准研究*

研究了基于最大互信息的图像配准算法,在图像配准中引入了新的相似性测度,在分析具有量子行为的粒子群优化算法基础上,将量子粒子群算法作为优化策略用于图像配准并与Powell算法和PSO算法进行了仿真比较,对仿真结果进行了分析。     

基于小波的遥感图像全局配准算法研究及其并行实现

随着遥感技术的发展,遥感图像处理领域对自动图像配准技术的需求越来越迫切. 首先提出了点匹配和全局配准相结合的自动图像配准算法;从实现快速配准的途径出发，提 出了利用多分辨率小波缩小搜索空间及进行全局配准的自动算法;详细设计了逐级求精的搜 索策略,并比较总结了算法的特点;在此基础上,提出了两种可行的数据并行方案;最后在一 个小规模的机群系统上实现了上述串、并行算法,给出了客观的性能评价.实验结果表明文 中提出的算法达到了预期的目标,即针对多传感器、大数据量的遥感图像,在保证精度的前 提下,进行快速高效的自动配准.     

Wavelet-based image registration technique for high-resolution remote sensing images

Image registration is the process of geometrically aligning one image to another image of the same scene taken from different viewpoints at different times or by different sensors. It is an important image processing procedure in remote sensing and has been studied by remote sensing image processing professionals for several decades. Nevertheless, it is still difficult to find an accurate, robust, and automatic image registration method, and most existing image registration methods are designed for a particular application. High-resolution remote sensing images have made it more convenient for professionals to study the Earth; however, they also create new challenges when traditional processing methods are used. In terms of image registration, a number of problems exist in the registration of high-resolution images: (1) the increased relief displacements, introduced by increasing the spatial resolution and lowering the altitude of the sensors, cause obvious geometric distortion in local areas where elevation variation exists; (2) precisely locating control points in high-resolution images is not as simple as in moderate-resolution images; (3) a large number of control points are required for a precise registration, which is a tedious and time-consuming process; and (4) high data volume often affects the processing speed in the image registration. Thus, the demand for an image registration approach that can reduce the above problems is growing. This study proposes a new image registration technique, which is based on the combination of feature-based matching (FBM) and area-based matching (ABM). A wavelet-based feature extraction technique and a normalized cross-correlation matching and relaxation-based image matching techniques are employed in this new method. Two pairs of data sets, one pair of IKONOS panchromatic images from different times and the other pair of images consisting of an IKONOS panchromatic image and a QuickBird multispectral image, are used to evaluate the proposed image registration algorithm. The experimental results show that the proposed algorithm can select sufficient control points semi-automatically to reduce the local distortions caused by local height variation, resulting in improved image registration results.     

使用特征点与灰度值的医学图像局部配准方法

针对医学图像配准中,存在某些图像间大部分区域没有差异或者存在差异但不被关心的情况,提出了一种局部图像配准方法。该方法使用局部可控的紧支撑径向基函数作为配准变换函数,通过在感兴趣区域设置特征点,将变换函数作用范围限制在图像中某一特定区域,保持其他区域不发生变形。利用图像间的互信息量作为测度函数,更加精确地求解变换函数。在优化策略的选择中,将图像配准看作为寻优过程,采用基于小生境的遗传算法优化变换函数参数,能够克服经典遗传算法早熟、搜索能力差等缺点。通过对已知变换函数的仿真图像与真实医学图像进行实验,结果表明该算法能够准确地找到较优的变换函数,并且将作用区域限制在较小范围内。该方法结合了基于特征点和基于像素配准方法的优点,有效的搜索策略保证了变换函数准确性,是一种可行的、鲁棒的局部医学图像配准方法。     

基于自适应分数阶的医学图像非刚性配准

现有的医学图像配准算法对于灰度均匀、弱边缘以及弱纹理图像易陷入局部最优从而导致配准精度低下、收敛速度缓慢. 分数阶主动Demons (Fractional active Demons, FAD)算法是解决该问题的有效方法, 并且适用于图像的非刚性配准. 但FAD中的最佳分数阶阶次是人工交互选取, 并且对整幅图像都是固定不变的. 为了解决该问题, 提出一种阶次自适应的主动Demons算法并将其应用到医学图像的非刚性配准中. 算法首先根据图像的局部特征建立分数阶阶次自适应的数学模型, 并逐像素计算最优阶次, 基于该阶次构造Riemann-Liouvill (R-L)分数阶微分动态模板; 然后将自适应R-L分数阶微分引入到Active Demons算法, 在一定程度上缓解了图像配准在弱边缘和弱纹理区域易陷入局部最优问题, 从而提高了配准精度. 通过在两个医学图像库上进行实验验证, 实验结果表明该方法可以处理灰度均匀、弱纹理和弱边缘的医学图像非刚性配准, 配准精度得到较大提升.     

A fast object registration method for augmented reality assembly with simultaneous determination of multiple 2D-3D correspondences

A fast and robust object registration is one of the fundamental steps of an augmented reality (AR) assembly guidance system. To manage the registration of texture-less objects from monocular images, this paper presents a three-dimensional (3D) object registration solution in the view-based framework, which incorporates a new image feature named as chain-of-lines feature (COLF). The COLF, constructed by several directed line segments with geometric constraints, enhances the robustness of the registration by establishing multiple correspondences between the two-dimensional (2D) image and 3D model simultaneously. In order to save on computational cost and improve the efficiency of the COLF-based registration, a compression algorithm based on the local breadth-first search (LBFS) strategy is also proposed; this adaptively reduces the number of keyframes according to the target model. In the experimental evaluation, the combination of COLF and LBFS-based keyframe compression shows higher registration success rate and faster speed in comparison with conventional registration methods. Moreover, an AR assembly guidance prototype system for reductors is introduced to illustrate the application of the proposed registration method.     

基于互信息和模拟退火--单纯形法的多谱段图像配准

不同传感器获得的图像往往没有进行空间配准,或需要融合的图像是传感器在不同时段获得的图像,因此在进行融合之前必须进行图像的配准。论文采用互信息作为相似性测度,同时针对互信息方法目标函数的局部极值问题,选用合适的直方图级数,以降低局部极值,并提出以改进的模拟退火——单纯形算法作为优化策略进行图像配准。实验证明该算法取得了较好的效果。     

基于并行计算和多层次B样条的肺部CT-PET图像配准

为了提高医学图像配准的效率,提出一种基于并行计算和多层次B样条函数的图像配准方法。该方法提取图像均匀内部点及轮廓点作为参考图像特征点,采用并行计算技术在浮动图像上选择特征点对;在形变过程采用B样条曲面函数插值来完成,通过多层次B样条函数逐步优化形变效果。实验结果表明,该方法适合于肺器官CT PET图像快速配准。     

基于局部重叠区域的无显著特征图像配准算法

针对沙漠、戈壁等特征不显著场景在配准过程中存在快速性、精确性等问题,提出一种基于局部重叠区域的特征不显著图像配准方法。首先利用图像标记对待配准图像进行预处理增强其特征,接着通过多相机三维投影对多幅待配准图像重叠区域进行预算,并采用图像掩膜和图像分割技术将重叠区域分割出来,最后对重叠区域使用ORB+GMS（Oriented Brief-Grid-based Motion Statistics for Fast）融合算法进行配准,完成多幅图像的配准工作。基于图像重叠区域的配准避免了无显著特征图像在进行整体配准时精确性低的缺点,并且由于是局部配准,相较于全局配准拥有更快的配准速度。对比传统配准方法和本文提出的改进配准方法,实验结果显示,本文提出的改进方法配准精度在传统配准方法的基础上提升了28%,同时,算法具有更高的鲁棒性和实时性。     

基于多模板融合的异质手背静脉身份识别*

针对手背静脉识别过程中的多源异质问题,分别在图像预处理和识别算法上进行改进,提出了自适应手背静脉图像的归一化配准方法,并利用位置信息对SIFT(Scale-invariant feature transform,尺度不变特征变换)特征点进行精确筛选,降低了错误匹配概率,最后采用多模板融合的识别策略对异质图像进行配准识别,通过图像降维,进一步提高识别率和识别效率,使得平均识别结果达到90.17%。与其他算法的对比结果表明,该算法能够较好地解决多源异质问题对手背静脉识别所造成的影响。