高阶熵在医学图像配准中的应用研究

互信息是图像配准技术中广泛应用的一种相似性度量方法。传统的互信息方法中仅仅考虑了图像像素的灰度信息,而没有考虑像素之间的空间位置关系。因此,空间信息的缺乏导致了传统方法鲁棒性较差。在讨论了高阶熵的基本概念之后,将像素邻域均值作为高阶熵的第二维变量,由此加入空间信息。实验结果证明,该方法具有很强的抗噪声能力,能够使配准曲线更加平滑,从而避免在搜索过程中陷入局部极值。     

基于加权互信息的多模图像配准算法

基于互信息方法的医学配准容易出现局部极值现象,导致准确率下降。为此,提出一种基于加权互信息的多模图像配准算法。通过全局滤波和边缘提取进行图像预处理,突出图像特征,采用加权互信息方法实现配准。实验结果表明,该算法能够提高多模图像配准的准确率,加快匹配速度。     

基于边缘特征点互信息熵的医学图像配准方法

基于互信息熵的图像配准方法已经被广泛应用于医学图像配准中,为克服互信息配准方法的不足,结合图像空间结构信息,本文提出一种基于边缘特征点互信息熵的医学图像配准方法,设计了包括互信息熵、图像空间结构和形状特征点等多信息融合的配准新测度。算法首先采用改进的形态学梯度提取医学图像边缘轮廓;然后构造了以边缘区域特征和梯度信息为基础的特征点互信息能量函数,并通过最小化能量函数来获取配准参数;最后,结合梯度下降法优化策略,实现图像配准。实验研究表明,该方法在保证了配准精度的同时,配准速度较快、鲁棒性较好、综合性能优良,具有一定的临床推广价值。     

互信息在医学图像配准中的应用研究

多模态图像配准已成为医学图像分析的一项重要研究内容.互信息是最为广泛使用的一种配准方法,其精度和鲁棒性都相对使人满意.通过实验证明了该方法的实用性,并且对其扩展形式如基于高阶熵的互信息和加入梯度的互信息等方法进行了分析,验证了空间信息在配准中的重要作用.     

基于混合互信息的医学图像配准

通常的互信息测度是基于Shannon熵的,对Renyi熵进行分析,根据某些参数下的Renyi熵可以消除局部极值、而Shannon熵对于局部极值具有很强吸引域的特点,提出一种使用Renyi熵和Shannon熵的混合互信息测度,将两种测度分别用于不同的搜索阶段,首先使用全局搜索算法寻找基于Renyi熵的归一化互信息测度的局部极值,再通过局部优化方法对当前的局部最优解进行局部寻优以找到全局最优解,在局部优化阶段使用基于Shannon熵的归一化互信息测度作为目标函数。实验表明,这种配准算法比单纯使用Shannon熵能够取得更准确的配准结果,而且求解速度得到提高。     

医学图像配准中的一种互信息快速计算方法

基于互信息的医学图像配准,可以达到亚像素级精度且无需提取图像的解剖特征,是一种高精稳健的配准方法。但其中频繁的互信息计算使配准速度很慢,不能满足临床的实时要求。提出一种基于统计直方图灰度压缩的互信息加速计算方法,能显著减少灰度级,加快互信息计算,从而加快配准速度。实验表明,该方法能在不影响配准精度的前提下显著缩短配准时间。     

直方图估计互信息在非刚性图像配准中的应用

提出了一种对非刚性三维医学图像进行弹性配准的新方法,配准判据是基于二维联合直方图估计得到的两幅图像灰度之间的互信息．首先最大化全局互信息,实现两幅图像之间的全局仿射配准,然后将两幅图像的重叠部分均匀地划分成互为重叠的体积子块,再最大化对应体积子块的图像灰度之间的互信息,实现每对对应子块的局部刚体配准,将每个子块的中心作为一一对应的控制点．最后利用这些控制点对结合薄平板样条插值法实现全局弹性配准．     

遗传算法和最大互信息医学图像配准算法的研究

针对人脑的二维图像设计了一种遗传算法和最大互信息相结合的医学图像配准算法,采用互信息配准模型,以图像的灰度统计信息为配准依据,用改进的遗传算法搜索图像间的最优变换参数,并用最大互信息作为目标函数指导最优变换参数的搜索。通过实验验证了算法的可行性和稳定性。     

基于遗传算法的互信息医学图像配准

本文首先介绍了医学图像配准的基本概念及方法流程;然后介绍了基于遗传算法寻优的图像配准,其适应度函数为两配准图像的互信息;最后通过基于遗传算法的脑部二维图像配准实验说明该算法的高效性.     

利用高维互信息的多模态医学图像配准

互信息相似性测度在多模态医学图像配准中获得了广泛的应用,然而其不足之处在于没用充分利用图像固有的空间信息。针对这一不足,提出了利用图像邻域信息的高维互信息配准方法。首先用图像像素及其邻域构成高维向量的集合,然后利用基于最近邻的熵估计法来估计集合的高维熵,并采用近似最近邻搜索算法来加快高维熵的计算。实验结果验证了新的相似性测度的有效性。     

基于Harris角点和最大互信息的多模医学图像配准

介绍了一种基于最大互信息原理的图像配准技术.针对基于最大互信息图像配准的不足,研究了基于Harris角点算子的多模态医学图像配准.在计算互信息的时候,采用部分体积插值法计算联合灰度直方图.在优化互信息函数的时候,采用了改进的遗传算法将配准参数收敛到最优值附近.实验结果表明,该方法具有较高的配准精度和稳定性.     

基于归一化互信息向量熵的多幅图像配准方法

提出了一种新的多幅图像配准方法,归一化互信息向量熵方法。这种方法先计算任意两幅图像间的联合概率分布,然后根据联合概率分布计算它们间的归一化互信息,把所有两幅图像组合得到的归一化互信息组成一个向量,最后计算该归一化互信息向量的熵。最大熵对应最佳配准位置。通过对人体脑部图像的刚体配准实验,从函数曲线、计算时间和配准精度方面,对新方法和其它三种方法进行了分析和比较。实验结果表明,新提出的方法可以提高配准精度、减少配准时间。     

基于互信息与边缘互距离的医学图像配准

提出了一种基于互信息与边缘互距离信息的医学图像配准新测度。该种测度既利用了待配准图像间的灰度互信息,又利用了图像边缘间的互距离均值和互距离方差空间信息,从而改进了互信息测度。实验证明这种测度得到的配准参数曲线光滑且峰值尖锐,收敛范围宽,对图像大小有更强的鲁棒性,在图像互信息值一样的情况下,仍有辨识能力。     

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。     

基于分块互信息的图像配准

针对传统互信息缺乏利用空间信息而容易导致误配的缺点,提出了基于分块互信息的多模图像配准方法,并运用于可见光与红外图像之间的配准。该方法首先将可见光与红外图像分块,求得每个可见光与红外图像块对的互信息,并由块对中可见光与红外图像的质心间的距离为参数,确定块对的配准系数,求得每个块对的互信息与配准系数的乘积的和,定义为分块互信息,并以此为配准准则。实验表明,该方法运用与可见光与红外光配准,在配准精度上优于传统互信息方法。     

基于互信息的医学图像配准中改进的采样方法

研究了以互信息为相似性测度的医学图像配准方法,在互信息计算过程中,对图像数据的采样提出了一种基于信息熵的采样方法。这种方法是将图像分成一定数量的小方块,计算每一小方块的熵,根据熵值的大小对方块进行分类,不同的类设置不同的采样因子:熵值大的方块对应的采样因子大,熵值小的方块对应的采样因子小。通过实验证明,该方法能够折中配准的精度和速度,适用于医学图像配准的实时处理。     

互信息医学图像配准中PV插值算法的改进

基于互信息的医学图像配准算法中,传统的部分体积插值法（PV）使互信息函数在像素整数倍位移处产生局部极值,使优化算法陷于局部最优解,从而导致错误配准。提出用Blackman-Harris窗sinc函数作为核函数,对传统PV插值法进行改进,同时将参与插值的邻域点从4个增加到16个,有效消除了局部极值,得到了光滑的互信息函数曲线。具体配准实验证明,该方法可行,且有更高的鲁棒性。     

基于P样条和局部互信息的非刚性医学图像配准*

为了克服互信息仅考虑两幅图像相应像素的灰度信息,忽略了图像本身的内在空间信息,以及B样条变换模型存在形变场奇异点的缺陷,提出一种基于P样条和局部互信息的非刚性医学图像配准方法。该方法以局部互信息为相似性测度,采用P样条变换模型模拟待配准图像的几何形变,然后使用三次插值算法对图像像素进行赋值,结合对大规模参数优化效率高的LBFGS算法对配准参数进行优化。实验结果表明,该方法较传统的互信息和B样条变换模型都有效地提高了配准的精度。