数字图像配准技术.doc

数字图像配准技术 论文题目：互信息技术在数字图像配准中的应用 专 业：通信工程 班 级：14级通信工程 学 号：1401120125 姓 名：吴万强 指导教师：魏平俊 2016年11月 互信息技术数字图像配准 吴万强 （郑州工业应用技术学院信息工程学院14级通信工程班 河南 郑州） 摘 要 医学图像配准技术已经被应用于心脏病诊断和包括脑瘤在内的各种各样的神经混乱诊断研究中。图像配准是使两幅图像上的对应点达到空间上一致的一个过程。ABSTRACT Study on chaos neural diagnosis of medical image registration technology has been applied to the diagnosis of heart disease and brain tumors, including a variety of. Image registration is to make the corresponding points on the two images to achieve a spatially consistent process. An image registration technique based on maximum mutual information is introduced in this paper. In view of the deficiency of maximum mutual information image registration, the registration of multi modality medical images based on Harris corner operator is studied. In the calculation of mutual information, the use of partial volume interpolation method to calculate the joint gray histogram. In the optimization of mutual information function, the improved genetic algorithm is used to converge the registration parameters to the optimal value. The experimental results show that the method has high accuracy and stability. KEY WORD Image registration Mutual information Harris corner operator Partial volume interpolation Genetic algorithm 1.引言 互信息是信息论的一个基本概念，是两个随机变量统计相关性的测度。Woods用测试图像的条件熵作为配准的测度，用于PET 到MR 图像的配准。Collignon 、Wells[1] 等人用互信息作为多模态医学图像的配准测度。以互信息作为两幅图像的相似性测度进行配准时，如果两幅基于共同解剖结构的图像达到最佳配准时，它们对应的图像特征互信息应为最大。最大互信息法几乎可以用在任何不同模式图像的配准中，特别是当其中一个图像的数据部分缺损时，所以这种方法广泛用于多模态图像的配准中。但是，当待匹配图像是低分辨率、图像包含的信息不够充分或两幅待匹配图像的重叠部分较少时，基于互信息的配准目标函数就会极不光滑，出现较多局部最优解，为目标函数最优解的搜索带来较大的难度。但由于该测度不需要对不同成像模式下图像灰度间的关系作任何假设，也不需要对图像进行分割或任何预处理，因此，该测度可以被广泛地应用于CT-MR，PET-MR 等多种图像的配准工作。 基于最大互信息的图像配准因为要进行全局参数优化搜索，配准时间也比较长。Rangarajan[2] 等提出了一种利用互信息匹配形状特征点进行配准的策略. 该策略针对待配准的两幅图像，首先分别提取出形状特征点的集合，并定义这两个集合它们的互信息，然后使之最大化，以达到配准。 2.概述 2.1互信息与信息论 一般而言，信道中总是存在着噪声和干扰，信源发出消息x，通过信道后信宿只可能收到由于干扰作用引起的某种变形的y。信宿收到y后推测信源发出x的概率，这一过程可由后验概率p(x/y)来描述。相应地，信源发出x的概率p(x)称为先验概率。我们定义x的后验概率与先验概率比值的对数为y对x的互信息量