用分层互信息和薄板样条实现医学图像弹性自动配准

提出了一种基于分层互信息和薄板样条自动确定标记对应点的选取方法,将图像按照由粗到精的原则,将每个图像分成若干个对应子块进行配准后,在每个子块图像中按照一定规则选取两个对应点,实现图像弹性自动配准．实验结果表明,该方法是一种理想的非刚性图像自动配准方法．     

基于局部仿射模型的多模态弹性图像配准

针对目前弹性图像配准方法较难应用于多模态图像的问题,提出了一种转化图像模态的解决方案。计算图像中每个灰度值在另一幅图像中对应像素的灰度均值,使用该均值代替原图像中对应的像素值,两幅图像灰度被转换为基本一致的状态,使用局部仿射模型配准图像。将灰度转换后的图像与目标图像配准,再将图像的形变参数映射到浮动图像中就可以实现多模态的图像配准。实验结果表明该方法可将局部仿射模型成功地用于多模态图像配准。     

心肌灌注核磁共振图像的非刚性配准

心肌灌注核磁共振图像中心脏的位置和形状会随着病人的呼吸和心跳而发生改变.同时,灌注图像的灰度也会随着造影剂在心腔中的流动而不断变化.这使得传统单纯依靠互信息、互相关等信息的配准算法很难在心肌灌注核磁共振图像中得到应用.使用马尔可夫随机场(M RF)模型对图像进行非刚性配准.在马尔可夫能量函数中对图像块进行归一化,以消除两幅图像的灰度差异对配准的影响.为了消除序列图像配准中产生的积累误差,对心肌灌注MR序列中的每幅图像计算对应的伪真实(PGT)图像,并将这幅伪真实图像作为配准模板.通过将心肌灌注MR序列中的每幅图像与其对应的伪真实图像进行配准,避免了序列图像配准中积累误差的产生.实验结果表明,该方法有效地矫正了心肌灌注MR图像中心脏的位移和弹性形变.     

一种结合互信息和模板匹配的配准方法

传统的互信息法直接对大图进行互信息配准,容易出现局部极值并产生误匹配现象,针对该问题,提出一种将互信息与模板匹配相结合的配准方法,采用互信息为相似度准则进行图像的模板匹配,得到候选的匹配子图,通过待配准大图其余部分与模板和子图的空间关系,得到配准后的大图,分别计算按照各个候选子图配准情况下的待配准图的互信息,得到最大的互信息所对应的子图,确定最终的配准结果。实验结果表明,该方法在对灰度差较大的图像进行配准时,能够获得良好的效果。     

基于特征分类的MRI医学图像弹性配准

基于互信息的弹性图像配准是医学图像配准的重要方法之一。然而由于互信息在小样本图像配准中,会出现多局部极值和极值偏离问题,从而容易出现配准误差,进而造成整图的弹性配准误差。为减少这种配准误差,提出了一种基于特征分类的互信息医学图像弹性配准方法。该方法先采用图像的灰度和梯度特征训练自组织映射(self-organized mapping,SOM)神经网络特征分类器,将图像由高维灰度空间映射到低维特征类别空间;然后,在特征类别空间进行互信息图像弹性配准。实验结果表明,该方法大大提高了小样本图像配准的成功率,并可通用于有噪和无噪的医学图像弹性配准中。     

基于形状和灰度信息的断层图像二次配准算法

将一种新的基于形状信息和灰度信息的二次配准方法引入CT-MRI配准过程,首先通过力学分解的原理描述了两幅待配准图像的轮廓,并利用该轮廓对两幅图像进行粗配准,通过该方法将两幅图像的配准误差限定到一个较小范围内;继而利用最大互信息的方法继续对经过粗配准的两幅图像进行二次配准,最终得到精度更高的配准效果。仿真结果表明,由于该算法结合了轮廓比对方法的高效性和最大互信息方法的精确性,因此与其它配准算法相比在保证了配准精度的同时大大缩短了配准时间。最后该算法被成功地应用到了准备进行开颅手术的病人的CT-MRI图像配准上。     

一种柱面全景图像自动拼接算法

提出了一种基于特征块匹配的柱面全景图像拼接算法.首先将360度环绕拍摄的序列图像投影到柱面坐标系下;然后以一幅图像为基准图像,选择基准图像中边缘信息丰富的块作为基准块,利用特征块匹配法在待配准图像中找出与基准块匹配的配准块,进而实现两幅图像的配准;再根据配准结果计算出图像间的变换参数;最后采用平滑因子对两幅图像的重叠区域进行图像无缝拼接.实验证明,算法可以快速自动地生成柱面全景图像,具有良好的鲁棒性.     

基于灰度互信息和梯度相似性的医学图像配准及其加速处理

研究基于归一化互信息的医学图像刚性配准算法,提出改进配准速度和改善配准精度的相应措施．配准处理包含3项主要计算处理,即空间变换、互信息计算以及优化搜索．针对不同计算处理分别研究了相应加速策略,提高其计算速度,实现三维体数据的快速配准．并且,针对传统基于互信息测度配准方法未利用图像灰度空间分布信息,提出将灰度变化梯度相似性与互信息相结合的配准方法,从而进一步提高了配准算法的精度和鲁棒性．实验结果表明了算法的有效性．     

基于Rényi熵图的医学图像自动弹性配准

提出一种基于Rényi熵最小生成图和multi-quadric径向基函数的医学图像自动弹性配准方法。应用图像金字塔的思想,对图像分层分块,将Rényi熵最小生成图作为相似性测度对子块进行配准,在对应的子块中选取对应的标记点,用multi-quadric径向基函数插值这些标记点,从而实现医学图像弹性配准。实验结果表明,该方法配准速度较快,精度较高,是一种有效的自动弹性配准方法。     

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。     

基于最大互信息的多模医学图象配准

介绍了一种基于最大互信息原理的图象配准技术,并就实施最大互信息配准法的一些重要技术问题进行了研究,其中包括不增加新数据点的格点采样子集、不产生分数灰度值的ＰＶ插值技术和出界点策略等。该方法在搜索策略上采用了无需计算梯度的Ｐｏｗｅｌｌ算法。由于计算互信息的关键技术与有效的搜索策略的结合,使得该方法能快速、准确地实现多模医学图象的配准。用该方法对７个病人的４１套ＣＴ－ＭＲ和３５套ＭＲ－ＰＥＴ３Ｄ全脑数     

小物体3维重建中影像与几何模型的配准

目的 近景摄影测量中的目标几何形状复杂,且拍摄影像的角度变化大,给影像与几何模型的配准带来了困难。传统单幅影像与几何模型配准的做法,由于缺乏自动粗配准的方法,效率相对较低。将多视影像首先统一坐标系的做法,在近景目标的复杂背景下也难以实现。方法 为此,将近景目标置于平面标定板上,利用相机标定的方法同时解算出影像的内外方位元素,实现多视影像坐标系的统一。然后人工选取3组以上同名点,做多视影像与几何模型的绝对定向,得到初始配准参数。最后使用多视影像与几何模型漫反射渲染图之间的归一化互信息作为相似性测度,用Powell非线性优化方法得到配准参数的精确值。结果 实验结果表明,使用标定板可以稳定地获取多视影像的内外方位元素,用绝对定向得到的配准参数进行影像和几何模型的交替显示仍然可以看到明显的裂缝,在经过互信息优化后裂缝现象得到明显改善。结论 多视影像与几何模型配准相比传统单幅影像与几何模型配准,人工选取同名点的工作量大大减少,由于人工选点存在误差,影响绝对定向的精度,使用归一化互信息作为测度进行非线性优化,可以获得更高的精度。     

基于互信息的N维多模医学图像配准

目前多模医学图像配准都定位在两幅图像配准的研究,很少涉及N维(3维及3维以上)图像的配准.当用扩展的N维互信息测度(E-NMIM)进行多个图像配准时,不能保证互信息(MI)值的非负性,并且运算速度慢,达不到临床要求.本文提出一种新的N维互信息测度(N-NMIM),不仅保证了MI值的非负性,而且在[1,2]有界范围内,也提高了配准的速度.通过腰椎部位的CT,T1加权的MRI和T2加权的MRI图像进行实验,验证了这种配准方法的有效性.     

基于改进头脑风暴优化算法的医学图像配准方法

针对精准医疗中图像配准方法收敛速度慢、精度不够高的问题,提出一种基于改进头脑风暴优化（Improved brain storm optimization, IBSO）算法的医学图像配准方法。配准过程分为3个阶段：首先,将待配准图像进行多分辨率分解;然后,使用IBSO算法对低分辨率图像进行全局粗配准;最后,利用单纯形搜索法对高分辨图像精配准。相比粒子群和单纯形结合算法、差分进化和Powell结合算法,以及头脑风暴和Powell结合算法,在单模态实验中,所提算法平均耗时较以上3种算法分别降低了32.89%、13.91%和13.66%,且最大误差、平均误差最小;在多模态实验中,互信息、归一化互信息、交叉累计剩余熵与归一化互相关指数均优于上述3种配准算法。实验结果表明,所提算法可以有效地提升医学图像配准的精度与速度。     

基于最大互信息量的图像自动优化分割

由于传统的阈值分割算法只考虑到图像的灰度信息,而忽略了灰度的空间分布以及分割后图像与原图像之间的关系,因而分割效果不好。为了提高分割效果,从分割图像与原图像的内在联系出发,提出了一种新的基于K均值算法与互信息量(mutual information,MI)技术相结合的分割算法。新算法首先利用K均值算法确定全局阈值作为初值;然后以互信息量为目标函数,在小范围内计算分割图像与原图像的互信息量,互信息量达到最大时的阈值即为最优值。这是将图像配准方法用于分割的一种创新性尝试。通过对大量医学图像以及汽车牌照图像进行的实验结果表明,该新算法所得到的目标图像的边界特征保持完好,不仅虚假目标信息大大降低,而且图像边界细腻、连续,且定位性能好。     

Medium-low resolution multisource remote sensing image registration based on SIFT and robust regional mutual information

Owing to significant geometric distortions and illumination differences, high precision and robust matching of multisource remote sensing images is a difficult task. To solve this, mutual information (MI)-based methods have been a preferred choice, as MI represents a measure of statistical dependence between the two images. However, MI only considers original grey information and neglects spatial information in the calculation of the probability distribution. In this paper, a novel similarity metric based on rotationally invariant regional mutual information (RIRMI) is proposed. The RIRMI metric is constructed by combining MI with a regional information based on the statistical relationship between rotationally invariant centre-symmetric local binary patterns of the images. The similarity metric based on RIRMI considers not only the spatial information, but the effect of the local grey variations and rotation changes on computing probability density function as well. The proposed method is tested on various simulated remote sensing images (5–30 m GSD) and real remote sensing images (2–30 m GSD) which are taken at different sensors, spectral bands, and times. Results verify that RIRMI is more robust and accurate than the common MI-based registration method.     

Nonrigid medical image registration technique as a composition of local warpings

We introduce a new technique for nonrigid image registration based on the composition of local deformations. The warping model is analyzed in order to guarantee continuity, differentiability and a one-to-one transformation by constraining the parameters of the nonlinear spatial transformation. A genetic algorithm solves the model by global optimization, handling constraints, and maximizing the normalized mutual information. The composition of local transformations goes throughout several levels of resolution, from coarse to fine. The performance of our technique was tested in synthetic and real medical images. The proposed method was always able to improve the similarity criterion between image pairs, demonstrating the robustness of the method for several modalities of images.     

基于互信息多步骤优化的医学图像配准

提出了一种新的基于互信息(Mutual Information, MI)的多步骤优化的配准方法。计算输入图像的梯度值，减少了图像的内在信息而使轮廓更为清晰。设计了多步骤的配准框架，优化了配准的收敛过程，使用完整的图像进行有限次的传统配准方法的微调，以实现高精度。为了验证该方法的有效性，分别使用单模、多模和时间序列的方法对临床医学数据进行了实验，与传统的MI配准方法相比，基于互信息的多步骤优化的配准方法具有更高的有效性和精确度。     

基于FCM算法与互信息量的图像自动分割

传统的阈值分割算法只考虑到图像的灰度信息,而忽略了灰度的空间分布以及分割后图像与原图像之间的关系。本文从分割图像与原图像的内在联系出发,提出了一种新的基于FCM算法与互信息量技术相结合的分割算法,即FCM-MI算法。首先利用FCM算法确定全局阈值作为初值,以互信息量为目标函数,在小范围内计算分割图像与原图像的互信息量,互互信息量达到最大时的阈值即为最优值。对大量医学图像和车牌图像进行的实验结果表明,本算法所得到的目标图像的边界特征保持完好,虚假目标信息大大降低,图像边界细腻、连续且定位性能好。     

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。