一种基于混合优化算法的医学图像配准方法

为了实现脑部多模医学图像配准,提出了一种基于混合优化算法的配准方法。该算法采用遗传算法中的杂交思想改进了混沌粒子群算法,并用最大互信息测度对脑部MRI及CT图像进行配准。该改进算法可有效地避免优化算子陷入局部极值,而且算法收敛快。实验结果证明了提出的基于遗传思想的改进混沌粒子群优化算法对多模医学图像配准具有有效性。     

一种小波混合优化算法用于脑MR图像配准

优化算法是脑磁共振(MR)图像配准方法中的重要组成部分。针对目前已有的优化算法,提出了采用小波混合优化算法应用于脑MR图像配准。该优化算法采用小波分解技术实现脑MR图像的高低分辨率分解,在低分辨率图像上采用PSO(粒子群算法)进行优化获得初步配准参数,然后再采用Powell算法进一步精细优化,获得最终配准参数。实验比较结果表明,该优化算法相对于目前一些主流优化算法来说,具有较低的时间代价,较高的优化精度,以及较好的优化稳定性。     

一种基于混合量子行为粒子群优化算法的图像配准方法

针对多模医学图像配准的高精度要求,以最大化互信息图像配准方法为基础,提出了一种基于混合量子行为的粒子群优化(HQPSO)算法的多模医学图像配准新方法。实验结果表明,在多模医学图像配准应用中,新算法的实际性能不仅优于传统的Powell算法和PSO算法,也比QPSO算法有一定的优势。上述结论为医疗图像诊断分析提供了一种新的有效方法。     

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。     

群搜索优化方法和互信息结合的医学图像配准

本文提出了群搜索优化方法与互信息相结合的医学图像配准算法。使用PV插值法计算两幅图像的联合直方图,进而计算它们的互信息,以互信息作为图像配准的相似性测度,使用群搜索优化方法在指定的搜索空间求解配准所需的空间变换参数。实验结果表明：与粒子群优化方法相比,群搜索优化用于医学图像配准具有更高的配准精度。     

一种改进的医学图像配准插值算法研究

提出一种基于统计学的插值算法,依据所要进行插值点的方向性进行搜索插值,以确定该点是平滑区域还是边缘区域,根据预先设定的阈值进行插值处理.通过仿真实验,该算法很好地解决了边缘模糊和效果不佳的问题.     

基于归一化互信息与模糊自适应PSO的图像自动配准方法

提出了一种基于归一化互信息相似性判据,并采用模糊自适应粒子群优化算(particle swam optimization,PSO)作为搜索策略的图像自动配准方法.由于互信息方法不能解决图像缩放的问题,该方法在计算图像互信息之前,先对图像进行尺寸相同化操作;同时针对互信息方法中目标函数易陷入局部极值及搜索速度慢的问题,该方法采用归一化互信息作为相似性准则,并提出以模糊自适应PSO算法作为优化策略来提高配准速度和精度的方法.实验表明,采用归一化互信息作为配准测度,可提高配准的鲁棒性,而且,引入了模糊推理机之后,配准效率得到大幅提高,用该方法对具有仿射变换的图像进行配准能得到快速、精确的配准结果,证明了该算法的可行性和有效性.     

基于混合优化算法和小波变换的图像配准研究

互信息被广泛地应用于图像配准,通常采用优化算法来优化互信息。提出了粒子群优化算法和单纯形法相结合的混合优化算法,该混合算法实现简单,粒子群优化算法具有极强的全局搜索能力,能够有效地跳出局部极值,而单纯形法又能够有效地 进行局部搜索,将两种方法相结合进行图像配准能大大提高配准精度。为了减少运算量,提出了利用小波变换的方法来缩小搜索范围,配准精度达到亚像素级。     

医学图像配准的优化算法改进研究

在医学图像配准优化算法中通常采用Powell法,由于基本Powell法随迭代次数的增加,搜索方向容易趋于线性相关,为此提出了一种改进的Powell法,该算法随着迭代的增加,搜索方向的共轭程度逐渐增强可避免线性相关.将边缘检测与最大互信息相结合,提高原有算法的性能,较准确地完成图像配准任务.对提出的配准算法进行了Matlab仿真实验并对仿真结果做了分析.     

SIFT-FCACO算法的图像配准

为了降低图像配准误匹配率以及减少RANSAC算法特征优化迭代次数,提出了SIFTFCACO的图像配准算法,用快速收敛的蚁群算法对图像匹配后的特征点对进行优化。实验结果表明,该算法不仅减少了匹配时间,而且提高了匹配的准确率。     

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。     

基于小波变换和混合优化算法的图像配准

利用小波变换对图像进行多分辨率分解,用粒子群优化和单纯形结合的混合优化算法对最低分辨率图像进行配准,并仅用单纯形法对较高分辨率图像进行配准。粒子群优化算法全局搜索能力强,单纯形法能有效地进行局部搜索,将两种算法相结合,提高了图像配准的精度。利用小波变换性质逐步缩小搜索范围,提高了配准速度。     

一种混杂的图像配准方法

提出一种基于特征和亮度的混杂图像配准方法．首先对源图像进行小波分解,在小波金字塔最顶层的低频近似子图像上进行角点检测,通过仿射变换模型得到初始配准参数,然后将这一参数逐层进行迭代精炼,直至达到金字塔最底层,得到最终精确的配准参数．将这些不同配准方法结合起来,可以克服单独使用任一方法存在的不足,理论分析和实验结果表明,这种混杂图像配准算法精度较高．     

基于布谷鸟搜索的混合传感器网络覆盖优化策略

静态传感器网络与移动传感器网络分别存在网络覆盖率较低和部署成本高的问题。为此,在混合传感器网络基础上,提出一种基于布谷鸟搜索(CS)的覆盖优化策略。将混合传感器节点随机部署在目标区域,利用CS算法初步确定移动传感器节点的候选目标位置,通过位置优化方案得到移动传感器节点的最佳目标位置以完成覆盖优化。仿真结果表明,与遗传算法和粒子群优化算法相比,该优化策略能够有效缩短平均移动距离,减少移动节点数量,提高目标区域覆盖率。     

一种综合的多分辨率医学图像配准方法

基于多分辩率的图像配准是提高配准算法效率的重要方法。论文提出一种基于多分辩率、多相似度函数以及多优化方法的图像配准框架,并提出新的具体解决方案,用于医学图像配准,并与已有的基于互信息的方法进行分析比较,实验结果显示,使用平均Hausdorff距离和互信息作为相似度度量的新方案在时间和精度的综合评价上有优势。     

基于全参数的分层搜索图像配准

在图像的超分辨率复原过程中,往往需要处理数量较多的模糊形变图像,这就需要进行图像配准,而目前常见的图像配准算法在配准精度和速度上常常不能达到令人满意的程度.为了二者都能达到实际需求,本文通过对仿射变换模型和配准算法的研究,提出快速、精确的全参数分层搜索算法,并用实验进行了仿真.     

干涉合成孔径雷达复图像配准解析搜索方法

图像配准是干涉SAR数据处理中关键步骤之一,它的处理精度直接影响着高程重建的质量.为了克服经典方法带来误差的影响,本文构建了一种解析代价函数,利用双迭代优化算法与弦割法求取亚像元级偏移量,实现了在连续域内搜索,避免了传统的在离散域搜索带来的误差,提高了配准精度,在插值意义上,配准精度达到最优.基于实测数据的实验结果表明,该算法具有较高精度.     

改进的差分搜索算法的医学图像配准

基于互信息的医学图像配准具有精度高、鲁棒性强等特点,但互信息存在一定的局部极值,加上面对噪声图像时曲线往往不平滑,给优化过程带来了很大的困难。针对此问题,提出一种改进的差分搜索算法(modified differential search algorithm,MDSA),对交叉累计剩余熵(cross cumulative residual entropy,CCRE)进行寻优。该MDSA对原始差分搜索算法模型的搜索范围和迭代条件进行了改进,使得寻优过程更加稳定、高效。改进后的MDSA具有控制参数简单,不依赖于初始点选择,合理的搜索方向和边界控制策略等优势,有着优秀的全局和局部寻优能力。将该方法应用于医学图像刚体配准,结果证明MDSA相比差分搜索算法,能够有效地克服互信息函数存在的局部极值,提高了配准的成功率,具有较高的配准精度和较快的配准速度。     

网络主题搜索策略优化研究

针对日新月异的互联网的发展特点,分析了网络主题搜索的基本概念和策略,重点对关键词及其权值的配置策略、搜索引擎的优化方法和网页的评分机制等进行了研究,对网络主题的搜索策略的优化会有一定借鉴作用。