新的Jensen-Schur测度在医学图像配准中的应用

针对传统的互信息和归一化互信息运算时间长、收敛性能和抗噪声能力差的缺点,提出了一种新的医学图像配准测度,Jensen-Schur测度.从理论上分析了该测度可用于图像配准的性质,并构造了三类Jensen-Schur测度:Jensen-Schur-alpha、Jensen-Rényi-alpha、JenserrSchur-w测度.通过对人体脑部MR/CI"和MR/PET图像的刚体配准实验,从运算时间、收敛性能、抗噪鲁棒性方面,对这三类测度、互信息和归一化互信息进行了比较和分析.实验结果表明,Jensen-Schur-alpha(alpha=2或3)和Jensen-Schur-w测度的收敛性能优于其它测度,运算速度快于其它测度,对噪声有很强的鲁棒性.最后用Jensen-Sehur-alpha(alpha=2)测度进行多模态医学图像的配准实验,结果表明效果良好.     

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.     

2D/3D图像配准中的相似性测度和优化算法

在手术引导治疗中,2D/3D图像配准能辅助医生准确定位病人病灶,而准确的配准涉及相似性测度和优化算法等众多方面。为了研究相似性测度和优化算法对2D/3D图像刚性配准的影响,本文结合6种相似性测度和4种优化方法在配准"金标准"数据上进行了2D/3D图像配准实验,并从配准成功率、平均迭代次数和平均配准时间三个方面对配准结果进行了对比研究。实验结果表明,以模式强度为相似性测度,用Powell方法进行优化搜索是最佳配准组合。并且,在不改变相似性测度条件下,Powell方法是所用优化方法中配准效果最好的优化方法。     

基于互信息和多智能体优化的合成孔径雷达图像配准

提出了一种基于互信息的多智能体优化方法,并将其用于合成孔径雷达(Synthetic Aperture Radar,SAR)图像的配准.采用归一化互信息作为度量准则,直接利用图像的灰度数据进行配准,没有假设图像间灰度值的线性关系,不需要对图像做分割、特征提取等预处理,并利用多智能体优化算法寻找最佳匹配参数,以得到最优的配准结果.实验表明,该算法在SAR图像配准方面有更好的普适性和更高的配准精度.     

基于对齐度和互信息的红外与可见光图像配准

针对红外与可见光图像的特点,在此提出了一种结合边缘对齐度与互信息的图像配准方法。首先通过小波变换边缘检测得到红外与可见光图像的边缘图像,并将对齐度和归一化互信息自适应加权平均得到新的相似性测度函数,最终通过计算相似性测度函数的极值求得待配准图像间的变换参数。实验结果表明,该方法可减少配准所需的时间,具有更高的精确性和鲁棒性。     

对数极坐标变换域下互信息图像配准方法

当待配准中的图像中存在较大的尺度变换时,传统的图像互信息配准方法对图像尺度变换参数很敏感,易于在优化搜索时陷入局部极值点,配准效果不好。文中提出基于对数极坐标（log—polar）域的图像配准方法,它较好地分离了图像缩放参数和图像旋转参数的相互影响。仿真结果表明,该方法在大尺度图像配准场合应用时比通常的互信息方法有更高的精度和鲁棒性。     

医学图像配准常用方法与分类

图像配准是当前医学图像领域的研究热点,具有重要的临床诊断和治疗价值.简述了图像配准的基本原理,对当前常用的医学图像配准方法进行了分类,详细分析了基于互信息、傅里叶变换和小波变换三种医学图像配准的算法实现、优缺点及典型应用.     

基于边界距离场互信息的图像配准方法

基于图像边界平均Hausdorff距离的配准方法实现简单、速度快、有较大应用价值,但对图像边界不完全对应的情况配准效果不好。提出了一种以图像边界距离场互信息作为相似度函数的图像配准方法,以参考边界的距离场和浮动二值边界为两个离散概率分布,将其互信息作为相似度函数进行配准。实验结果表明,该算法对图像内容完全一致和内容不完全对应的图像均可得到良好的配准结果。     

一种基于频带一致性的多模态图像校准算法

提出了一种基于图像频带一致性的多模态图像校准算法,该方法通过调整图像频谱的带宽,利用带宽调整后图像的强度对代替传统互信息定义中的图像灰度值,可以有效地克服互信息的局部极值问题。理论分析和实验表明该方法是可行、有效的。     

BSP模型下最大互信息医学图像配准研究

文中研究了在医学图像处理中基于最大互信息的图像配准的理论和实现的算法,并在此基础上给出了并行模型BSP下的实现算法。通过实验数据可以分析得出,文中提出的算法可以很好地解决医学图像处理中的图像配准的速度。     

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。     

图像配准技术研究进展

图像配准是解决图像融合、图像镶嵌和变化检测等问题的必要前提,其应用遍及军事、遥感、医学和计算机视觉等多个领域.简要回顾了图像配准技术的发展史和研究现状,重点阐述了当前的技术热点和应用趋势,最后展望了进一步的研究方向.     

Voxel similarity measures for 3-D serial MR brain image registration

The authors have evaluated eight different similarity measures used for rigid body registration of serial magnetic resonance (MR) brain scans. To assess their accuracy the authors used 33 clinical three-dimensional (3-D) serial MR images, with deformable extradural tissue excluded by manual segmentation and simulated 3-D MR images with added intensity distortion. For each measure the authors determined the consistency of registration transformations for both sets of segmented and unsegmented data. They have shown that of the eight measures tested, the ones based on joint entropy produced the best consistency. In particular, these measures seemed to be least sensitive to the presence of extradural tissue. For these data the difference in accuracy of these joint entropy measures, with or without brain segmentation, was within the threshold of visually detectable change in the difference images     

基于IPSO和综合信息的医学图像配准新方法

针对医学图像配准中采用互信息作为配准相似度函数存在配准精度不高和收敛速度慢等问题,根据图像灰度和空间结构信息,构造了一种新的基于互信息和改进型形态学梯度算子的信息配准测度函数,采用一种适用于医学图像自动配准的改进型粒子群优化(IPSO)算法,给出了一种新的基于IPSO的医学图像配准算法。实验结果表明,该配准算法稳定性好、收敛速度快,在多模态医学图像自动配准中是可行的。     

基于特征点的红外与可见光图像配准研究

提出了一种基于特征点的红外和可见光图像配准方法。首先根据边缘图像的结构分别提取红外图像特征点和可见光图像特征点,其次根据结合了形状结构和灰度、梯度角信息的配准准则寻找两幅图像的对应特征点,最后利用三对特征点根据刚体变换得到图像的缩放倍率、旋转角度和平移坐标,从而实现两幅图像的配准,并通过实验给予了证明。     

基于区域互信息的特征级多光谱图像配准

提出了一种基于点特征的多光谱图像配准方法.利用SUSAN算法提取角点特征,采用域互信息(RMI)作为相似性测度获取初始匹配特征点集;在精匹配阶段,首先计算初始匹配征点对的匹配强度和明确度,进行松弛迭代,得到匹配强度和明确度都较大的一一对应关系的特征点对,然后利用马氏距离的仿射不变性筛选出正确的点对,将不正确的点对从初始匹配特征点集中删除,重新进行松弛迭代,重复上面的步骤,直到筛选不出新的正确点对为止;获取了足够多的同名控制点后,用最小二乘法估计初始仿射变换参数并迭代修正.实验结果表明,算法可以达到亚像素级的配准精度.     

基于SIFT的图像配准方法

针对大尺度图像配准和不同传感器图像配准问题,介绍了一种基于SIFT的图像配准方法。首先提取图像中适应尺度变化的不变特征点,在提取过程中加入多尺度Harris检测算子,提高了匹配点对的重复率,通过聚类和归一化互信息准则对候选匹配点对的角度、尺度和位置特征进行迭代筛选,删除错误的匹配点对,最后得到正确的匹配点对,对图像进行配准。实验结果表明：该方法能处理相似变换的图像配准。     

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。