医学图像配准中的改进型Ⅰα信息测度研究

针对互信息测度在配准医学图像时存在速度慢和有时误匹配的缺点，提出了2种改进型Ⅰα信息测度：FNⅠα信息和SNⅠα信息。通过人体脑部CT／MR和MR／PET图像的刚体配准实验，从函数曲线、计算时间和收性能对Ⅴ信息、互信息、Ⅰα信息、FNL和SNⅠα信息进行了比较与分析。实验结果表明，FNL信息测度的收敛性能远优于其它测度，对噪声有很强的鲁棒性；SNⅠα信息在计算速度方面较互信息有一定程度的提高。     

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.     

医学图像配准技术研究

医学图像配准是图像处理和计算机视觉中一个很重要的研究领域.首先分析医学图像配准的四个关键要素,然后着重从变换模型、相似性度量两个方面探讨了医学图像配准技术的发展,最后提出医学图像配准中有待进一步研究的问题.     

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.     

基于灰度的医学图像配准技术研究

医学图像配准是医学图像处理的一项重要技术,广泛应用于临床诊断和治疗、计划设计、外科手术等领域中.从基于灰度的医学图像配准角度,描述了医学图像配准的基本过程和优化策略,着重阐述了目前普遍采用的相关技术和方法的表示形式,以及这些方法的特点和应用领域,并进一步分析了在这一方面的研究中存在的问题和未来的发展方向.     

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。     

红外与可见光图像自动配准算法的研究

提出了一种新的红外与可见光图像的配准算法,该方法基于图像的小波变换与互信息最大化完成图像的配准过程.首先通过搜索小波模极大提取图像感兴趣区域(ROI),完成图像预处理,并采用仿射变换,建立图像变换模型;其次将低分辨率图像进行图像插值,计算灰度直方图,进行概率分布的估计;最后选择模拟退火法,逼近全局最优解.实验结果证明了此算法的有效性.     

基于混合粒子群优化算法的医学图像配准

提出了一种基于粒子群算法PSO和Powell的混合优化算法,将PSO算法的全局搜索能力与Powell算法的局部寻优能力有机地结合起来.即在PSO算法每步迭代后对当前的局部最优解增加一步Powell局部寻优算法,进而保证了解的精确性的同时提高了求解的速度.将其应用于配准过程中对目标函数的最优化,取得了比较好的效果.     

基于互信息的红外与可见光图像快速配准

针对灰度和图像特征存在较大差异的可见光和红外图像配准,给出了一种基于归一化互信息与小波变换相结合的快速图像配准算法。实验表明,该算法加快了配准过程,较利用原图像配准速度提高了约一个数量级,且配准结果具有较高的准确性和稳定性。可见该算法适用于多光谱图像配准。     

一种图像快速配准算法的研究

在基于小波分解和互信息测度的图像配准方法的基础上,提出一种改进的快速图像配准算法。首先,对图像进行小波分解,以分解后的图像的近似分量进行配准,利用互信息最大化作为相似性测度,并结合粒子群优化算法和鲍威尔算法为优化策略搜索最优配准参数。实验结果显示,此方法在得到较高的配准精度和鲁棒性的情况下,还大大减少了运算量,提高了配准的速度。     

遗传算法和Poweli法结合的多分辨率三维图像配准

基于互信息的配准方法具有精度高、鲁棒性强的特点，成为近年图像配准研究的热点，但基于互信息的目标函数存在许多局部极值，为配准的优化过程带来了很大的困难。本文以互信息作为相似性测度，采用基于小波变换的多分辨率策略，将遗传算法和Powell法结合起来对三维CT、MR图像进行了配准。实验结果表明，这种方法能够有效地克服信息函数的局部极值，配准精度达到亚像素级。     

基于轮廓特征点最大互信息的多模态医学图像配准

提出了一种基于轮廓特征点最大互信息的多模态医学图像配准方法,并将粒子群优化算法(PSO)和Powell算法相结合以一种组合的全局优化算法(PPSO)来求取最优配准变换参数.实验结果表明,该方法具有配准精度高、速度快、鲁棒性强等特点,是一种有效地全自动配准方法.     

基于边缘和互信息的红外与可见光图像配准

采用一种结合边缘特征和互信息的图像配准方法,对红外与可见光图像进行配准。首先,用小波变换提取图像边缘,然后计算两幅边缘图像在不同条件（平移、旋转）下的归一化互信息,取归一化互信息最大时对应的配准参数为所需配准参数,再确定刚性仿射变换模型的参数,最后经过缩放、平移和旋转得到最终配准图像。     

基于归一化互信息的CT-MRI脑图像配准

医学图像配准研究有非常重要的临床应用价值。针对现在流行的基于最大互信息量的配准方法展开分析和研究。在此基础上对比研究了归一化互信息配准法。通过对一组CT-MR脑图像配准的仿真研究,证明归一化互信息配准法的配准效果很好。特别是在图像重叠区域较小的情况下,比最大互信息配准法效果优越。     

图像融合中的图像配准方法研究

图像配准是对取自不同时间、不同传感器或不同视角的同一场景的两幅图像或者多幅图像匹配的过程。快速准确地实现配准是图像融合的前提,为此提出了基本相似性测度算法的模板匹配方法。对像素相关性小的红外和可见光图像,提出了基于sobel 快速边缘检测的模板匹配方法。     

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。     

基于多分辨率的多模态医学图像配准

提出了一种多分辨率多模态医学图像配准方法来提高图像的配准速度与精度。利用小波函数对图像进行多层分解,采用改进的Powell优化算法寻找待配准图像间的最大互信(MMI),配准首先从图像金字塔中分辨率最低的0层图像开始,将0层图像配准获得的变形参数作为1层图像配准的起始参数,重复该过程直到完成最高精度层的图像配准。CT/MRI和CT/PET图像配准结果证明基于小波分解的多分辨率配准方法具有避免优化算子陷入局部极值、算子收敛速度快和配准精度高等优点。     

基于特征点的凝胶图像配准方法研究

本文针对几种凝胶图像配准算法进行了比较研究,在此基础上,对基于SURF(speeded up robust features快速鲁棒特征提取的配准算法)配准算法进行了改进,一方面,在提取特征点时对Hessian矩阵行列式进行加权,从而获得更多特征点;另一方面,在特征点匹配时应用欧式距离加权处理作为相似度量来计算两特征向量的距离,提高了算法的性能和配准速度。     

基于ITK实现多模态医学图像配准

多模态医学图像配准是医学图像配准领域的一项关键技术.目前,医学图像配准技术已经拥有了不少成熟的算法,但因其算法本身的复杂性或编程的复杂性,给许多致力于医学图像的分析处理和应用研究但又缺乏软件开发经验的研究人员增加了研究工作的难度.以基于互信息的多模态医学图像配准算法为例,将ITK有关类库函数应用于医学图像配准中.给出了基于ITK实现图像配准的处理流程、数据输入输出方式以及算法的编译和运行方法.实例表明,基于ITK的配准算法简化了医学图像配准程序的开发工作,为医学图像引导临床诊断的研究应用提供参考.