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。     

基于形状特征点最大互信息的医学图像配准

定义了基于形状特征点的互信息计算公式,提出区域增长结合动态聚类算法的形状特征点提取方法,在使形状特征点互信息最大化完成医学图像配准的过程中,引入人机交互,缩短了优化过程,避免了局部极值。提出的配准策略具备临床实用性,尤其适于缺少灰度信息的医学图像配准。     

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。     

基于特征点Rényi互信息的医学图像配准

针对医学图像配准有鲁棒性强、准确性高和速度快的要求,文中提出一种基于特征点Rényi互信息的医学图像配准算法.起初从模板图像与待配准图像中依次提取出多尺度特征点,其次使用其空间坐标计算特征点Rényi互信息目标函数,实现图像配准.该算法有效地避免了多模噪声图像间的灰度差异影响,减少了待处理的数据量,同时使用Rényi互信息来消除目标函数所受的局部极值的影响,进一步提高了配准精度.实验证明该算法适于单模和多模医学图像配准,速度较快、精度高、鲁棒性强,是一种有效的自动配准方法,并且具有较好的临床应用价值.     

加权熵互信息在医学图像配准中的应用

基于互信息的医学图像配准方法具有自动化程度高、配准精度高等优点。采用部分体积插值法和香农熵计算得到的互信息,无法避免会出现一些局部极值,可能导致错误的配准。提出了一种用加权熵代替香农熵的互信息计算方法,并将其应用于图像配准实验。实验结果表明,该方法能够有效平滑互信息的局部极值,减少错误的医学图像配准。     

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.     

基于最大特征点对互信息的图像配准*

定义了局部特征点对互信息量,并在两个合理的假设下提出了基于最大特征点对互信息量的一种新的图像配准方法.该方法包含了两个搜索过程:第一个过程是基于特征点对的全局搜索过程,该过程得到初始匹配点对;第二个过程是在初始匹配点对的邻域内利用互信息基本性质的局部搜索,该过程可以进一步提高匹配点对的精度.全局搜索过程能够提高搜索效率,而局部搜索又可以克服依赖于准确提取特征点的不足.最后通过理论分析和实验证明了所提出方法的有效性.     

基于最大熵和互信息最大化的特征点配准算法

点配准问题在机器视觉、医学图像等领域,有着非常重要的应用基础．通过在最大化熵原理的基础上,将互信息相似性测度引入到点配准算法中,提出了一种新的快速、准确的健壮性的点配准算法．首先建立起表示两个特征点集之间匹配对应关系的联合概率分布匹配矩阵,通过最大化熵和互信息最大化,建立起一个包含匹配矩阵和空间变换参数的新的能量函数,通过确定性退火算法,可以获得最优的匹配矩阵和空间变换参数,从而解决点的对应性问题和出界点(outliers)确定．实验结果表明,算法具有较强的鲁棒性,具有较高的配准精度和较快的计算速度．     

基于分割和体素的医学图像配准方法

为了充分吸收基于分割和基于体素相似性两种配准方法的优点,提出了一种将分割和体素相结合的配准方法.该方法对待配准图像进行预处理,包括DICOM格式转换,图像去噪和图像分割,利用互信息作为衡量图像是否匹配的测度函数;最后采用优化策略来选择最佳图像变换.实验结果表明,该方法计算量小,速度快和精度高,有助于医疗诊断.     

模糊互信息配准准则的理论和实验分析

从图像配准的模糊性出发,在图像配准中考虑图像的灰度相关性,结合了图像的空间信息。在配准准则中引入图像配准的灰度相关系数,提出了基于模糊互信息的配准准则。实验表明,模糊互信息函数比互信息函数具有更少的局部极值点和更好的优化特性。     

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。     

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。本文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。     

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。     

广义信息熵测度在医学图像配准中的应用

针对互信息测度在配准医学图像时易陷入局部极值的缺点,将Shannon熵扩展到广义熵,提出了三种基于广义熵的信息测度。对于收敛性能的评价,提出收敛宽度和收敛半径的概念。通过人体脑部CT/MR和MR-T1/T2图像的刚体配准实验,从计算时间、收敛性能和配准精度方面,对归一化互信息、广义熵信息测度进行了比较与分析。实验结果表明,在不损失计算时间和配准精度的前提下,广义信息熵测度SRI_0.9和GMI_0.9的收敛性能优于归一化互信息测度,对噪声有很强的鲁棒性。     

一种基于广义互信息的图像配准算法

互信息作为图像配准中的相关度矩阵有着广泛的应用,通常采用的是基于Shannon熵的互信息。采用一个广义的信息熵——Renyi熵,提出了一种基于广义互信息的图像配准方法。在全局搜索阶段,采用q取较小值的Renyi熵,此时,Renyi熵可以消除局部极值,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q→1时的Renyi熵的归一化互信息测度作为目标函数。实验结果表明:相对于归一化互信息图像配准算法,基于Renyi熵的互信息配准算法有良好的配准效果,且提高了配准速度。