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。     

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。     

物体边沿特征提取及应用

针对互信息配准方法中目标函数因存在多极值而容易陷入局部最优的问题,提出了一种基于萤火虫算法改进优化策略的互信息医学图像配准算法。该算法使用归一化互信息作为相似性测度,用萤火虫所处位置来表示配准参数,根据每个萤火虫的位置计算互信息函数值并将其作为当前萤火虫的亮度,通过亮度和吸引度的迭代更新来寻找互信息函数取最优解时的最佳配准参数。实验结果表明,该方法克服了互信息函数容易陷入局部最优的问题,有效地提高了配准精度。     

基于互信息和二级搜索的图像配准

基于互信息的图像配准方法,已经广泛应用于图像配准领域.但互信息图像配准方法容易受到局部极值的干扰,难以得到最优解.对互信息图像配准中互信息的表征、图像插值方法以及优化搜索算法三个要素做了探讨,尤其针对常用的Powell搜索算法的不足,提出了基于互信息和二级搜索的图像配准算法.该算法以标准互信息为图像相似测度,利用PV插值法平滑搜索空间,采用Simplex算法进行一级粗配准,采用Powell算法进行二级精配准.仿真结果表明,二级搜索配准算法能够有效地克服局部极值,提高计算速度,用于大差异图像配准.     

基于灰度互信息和梯度相似性的医学图像配准及其加速处理

研究基于归一化互信息的医学图像刚性配准算法,提出改进配准速度和改善配准精度的相应措施．配准处理包含3项主要计算处理,即空间变换、互信息计算以及优化搜索．针对不同计算处理分别研究了相应加速策略,提高其计算速度,实现三维体数据的快速配准．并且,针对传统基于互信息测度配准方法未利用图像灰度空间分布信息,提出将灰度变化梯度相似性与互信息相结合的配准方法,从而进一步提高了配准算法的精度和鲁棒性．实验结果表明了算法的有效性．     

非下采样轮廓波域红外与可见光图像配准算法

针对灰度和对比度存在较大差异的可见光图像与红外图像的配准问题,提出了一种基于非下采样轮廓波变换的多分辨率配准方法。该方法分别对可见光图像和红外图像进行非下采样轮廓波分解,引入梯度归一化互信息作为配准图像的相似性测度,利用基于种群成熟度描述的自适应确定交叉和变异比率的改进遗传算法作为搜索策略,对高尺度低频图像进行粗配准。然后,根据粗匹配结果在低尺度低频图像上进行进一步配准,最终实现全分辨率条件下红外和可见光图像的配准。实验结果表明,提出的算法能够有效提高配准精度和速度。     

基于动态融合蚁群遗传算法的医学图像配准

将基于动态融合的蚁群遗传算法作为一种新的图像配准优化算法应用在多模医学图像配准中。该算法以互信息作为相似性测度,生成初始信息素分布,采用蚁群算法搜索最优变换参数,其中动态融合策略提高了混合算法的搜索效率。仿真实验结果表明,该算法有效地避免信息函数的局部极值,减少大量重复运算,提高了配准的效率,配准结果具有良好的稳定性。     

粒子群与改进的鲍威尔算法相结合的多分辨率三维医学图像配准

为克服传统基于互信息的多模医学图像配准算法容易陷入局部最优的问题,提出了一种改进的多分辨率三维医学图像配准算法.该算法通过高斯滤波将三维医学图像进行多尺度化,形成多分辨率图像金字塔,以Mattes互信息作为配准框架的相似性测度.在图像金字塔的低分辨率层使用粒子群优化算法进行全局变换参数的搜索,然后以全局变换参数作为高分辨率层配准的初始参数,并以鲍威尔优化算法进行优化,完成最终的三维医学图像配准.实验结果表明,改进的算法不仅使待配准两幅图像空间位置对齐,而且较传统互信息算法提高了配准精度,鲁棒性更强,有效地解决了基于互信息的配准算法陷入局部最优的可能.     

医学图像配准的混合量子粒子群优化算法研究

基于互信息的配准方法具有精度高、鲁棒性强等特点,但互信息的配准函数存在局部极值,给配准的过程带来了很大的困难。针对此问题提出了以归一化互信息作为相似性测度,将具有较强全局搜索能力的量子粒子群优化（QPSO）算法用于求解低精度的配准参数,再利用具有较强局部搜索能力的Powell法获得高精度配准参数的方法,应用到医学图像的配准中。实验结果表明,提出的混合算法能够有效地克服互信息函数存在的局部极值和Powell方法存在的初始点依赖问题,提高了配准的成功率,具有较高的配准精度和较快的速度。     

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。     

互信息医学图像配准研究与局部极值的克服

研究了基于互信息的三维医学图像配准，并克服了的局部极值问题。改进了互信息和归一化互信息的公式，减小了计算量：对Powell算法的方向替换策略进行矫正，最大限度地保持原搜索方向；采用预谩旋转量的方法有效解决了插值赝像局部极值问题。采用背景阚值策略，减小了互信息的计算区域，应用形态学方法，去除了PET图像的背景伪迹，使用了多分辨率策略，有效地提高了配准的速度。实验表明，用谊改进的算法进行三雏医学图像配准可以达到亚像素精度，且在速度上有了明显的提高。     

基于交叉累计剩余熵的多谱磁共振图像配准

针对传统互信息(MI)图像配准容易产生局部极值的问题,提出一种基于交叉累计剩余熵(CCRE)的多谱磁共振图像配准方法.首先,将参考和浮动图像压缩至5位和7位灰度级;然后,采用哈宁窗Sinc插值计算5位灰度图像的CCRE,并用Brent算法搜索CCRE得到预配准的变换参数;最后,从该变换参数出发,采用部分体积(PV)插值计算7位灰度图像的CCRE,用Powell算法进行优化,得到最终的变换参数.实验结果表明,该方法的鲁棒性相比直接采用PV插值的CCRE配准得到提高;配准时间比直接采用哈宁窗Sinc插值的CCRE配准节省了90%左右,且配准精度有所提高.该方法兼顾了鲁棒性、效率和精度,适合用于多谱图像配准.     

基于归一化边缘互信息与自适应加速粒子群的图像配准方法

传统的归一化互信息配准方法未利用图像的空间信息,当图像中混有一定噪声时,会出现误配准。边缘是图像最基本的特征之一,为了改进归一化互信息方法,提高图像配准的精度,加快收敛速度,将图像的边缘信息与灰度信息自适应地结合,形成归一化边缘互信息测度(NCMI),提出一种基于加速因子的自适应加速粒子群优化算法(AAPSO)来优化基于NCMI测度的图像配准。AAPSO算法通过对解排序,将指定数量的劣解进行进化加速来引导粒子的飞行,并对自适应惯性权重公式加以改进,提高了算法的收敛性,防止早熟收敛并增加优化解的多样性,同时加入加速因子来提高收敛速度。实验结果表明,该方法配准精度高,速度快,具有较强的实用性。     

基于改进梯度向量流与最大互信息的图像配准

基于最大互信息的多模医学图像配准已成为医学图像处理领域的热点.低阶互信息仅关注灰度的统计特性,忽略了空间信息,因此采用图像梯度向量流的空间信息与最大互信息组合的方法来实现医学图像配准.实验表明,该方法可以大大提高配准速度和精度,降低误配准率.     

基于改进头脑风暴优化算法的医学图像配准方法

针对精准医疗中图像配准方法收敛速度慢、精度不够高的问题,提出一种基于改进头脑风暴优化（Improved brain storm optimization, IBSO）算法的医学图像配准方法。配准过程分为3个阶段：首先,将待配准图像进行多分辨率分解;然后,使用IBSO算法对低分辨率图像进行全局粗配准;最后,利用单纯形搜索法对高分辨图像精配准。相比粒子群和单纯形结合算法、差分进化和Powell结合算法,以及头脑风暴和Powell结合算法,在单模态实验中,所提算法平均耗时较以上3种算法分别降低了32.89%、13.91%和13.66%,且最大误差、平均误差最小;在多模态实验中,互信息、归一化互信息、交叉累计剩余熵与归一化互相关指数均优于上述3种配准算法。实验结果表明,所提算法可以有效地提升医学图像配准的精度与速度。     

Medical image registration based on self-adapting pulse-coupled neural networks and mutual information

Medical image registration plays a dominant role in medical image analysis and clinical research. In this paper, we present a new coarse-to-fine method based on pulse-coupled neural networks (PCNNs) and mutual information (MI). In the coarse-registration process, we use the PCNN-clusters’ invariant characteristics of translation, rotation and distortion to get the coarse parameters. And the parameters of the PCNN model are optimized by ant colony optimization algorithm. In the fine-registration process, the coarse parameters provide a near-optimal initial solution. Based on this, the fine-tuning process is implemented by mutual information using the particle swarm optimization algorithm to search the optimal parameters. For the purpose of proving the proposed method can deal with medical image registration automatically, the experiments are carried out on MR and CT images. The comparative experiments on MI-based and SIFT-based methods for medical image registration show that the proposed method achieves higher performance in accuracy.     

基于互信息多步骤优化的医学图像配准

提出了一种新的基于互信息(Mutual Information, MI)的多步骤优化的配准方法。计算输入图像的梯度值，减少了图像的内在信息而使轮廓更为清晰。设计了多步骤的配准框架，优化了配准的收敛过程，使用完整的图像进行有限次的传统配准方法的微调，以实现高精度。为了验证该方法的有效性，分别使用单模、多模和时间序列的方法对临床医学数据进行了实验，与传统的MI配准方法相比，基于互信息的多步骤优化的配准方法具有更高的有效性和精确度。     

A generalized search scheme for automatic registration of remote-sensing data

A generalized search scheme for automatic registration of level-1 data of multiresolution and multi-sensor remote-sensing data was proposed. The robustness and time efficiency of the automatic registration process is critically dependant on the search scheme for identification of control points. The proposed method consists of three levels of search ranging from coarser to finer. This process was found to be capable of registering images to sub-pixel level which are independent of rotation and scale variations, and also translation that vary by few metres to kilometres. In order to reduce the low pass effect due to multiple transformations involved in the multi-level registration process, a direct correspondence between the reference image and target image was established so that a single resampling needs to be applied. This correspondence also helps to generate products at any desired pixel size and to keep the original resolution intact. In this scheme mutual information (MI) is used as a similarity measure and a non-rigid transformation, thin plate spline (TPS), is used for achieving sub-pixel registration accuracies. MI is found to be better for identification of match points even for images that are radiometrically nonlinear. Unlike global transformation methods, use of non-rigid transformations such as TPS achieves sub-pixel accuracy in the moderate hilly regions as well as high hilly regions where relief displacements are high, provided sufficient number of control points are generated. However TPS transformation demands accurate control points. A robust method for detection of inaccurate control points was adopted and explained in the paper. The scheme was tested on a number of combinations of remote sensing data of the same resolution and different resolution datasets, namely Cartosat-1 with Liss-4 of Resourcesat-1, Landsat Thematic Mapper (TM) with IRS-1C/1D and Cartosat-1 with Enhanced Thematic Mapper (ETM). The results are presented along with accuracies achieved.     

Mesh Topological Optimization for Improving Piecewise-Linear Image Registration

This paper presents a mutual-information based optimization algorithm for improving piecewise-linear (PWL) image registration. PWL-registration techniques, which are well-suited for registering images of the same scene with relative local distortions, divide the images in conjugate triangular patches that are individually mapped through affine transformations. For this process to be accurate, each pair of corresponding image triangles must be the projections of a planar surface in space; otherwise, the registration incurs in errors that appear in the resultant registered image as local distortions (distorted shapes, broken lines, etc.). Given an initial triangular mesh onto the images, we propose an optimization algorithm that, by swapping edges, modifies the mesh topology looking for an improvement in the registration. For detecting the edges to be swapped we employ a cost function based on the mutual information (MI), a metric for registration consistency more robust to image radiometric differences than other well-known metrics such as normalized cross correlation (NCC). The proposed method has been successfully tested with different sets of test images, both synthetic and real, acquired from different angles and lighting conditions.