图像自动配准算法阅读笔记.docxVIP

图像配准算法阅读笔记一．图像配准的基本概念图像配准主要包括四个方面：特征空间、搜索空间、相似性度量和搜索策略。特征空间特征空间指参考图像与浮动图像中可用于配准的特征。特征空间包括：图像的灰度值、点、边缘、曲线、曲面、不变矩等。搜索空间搜索空间指在配准过程中对图像进行变换的范围及变换方式。变换范围分为三类：全局的、局部的和位移场的。全局变换是指整幅图像的空间变换都可以用相同变换参数表示。局部变换是指在图像的不同区域可以有不同的变换参数，（通常在区域的关键点位置上进行参数变换，其他位置进行插值处理）。位移场变换是指对图像中的每一像素点独立地进行参数变换，通常使用一个连续函数来实现优化和约束。变换方式分为两种形式：线性变换和非线性变换。线性变换包括刚体变换(Rigid Body Transformation)、仿射变换(Affine Transformation)和投影变换(Projective Transformation)。非线性变换一般使用多项式函数，如二次，三次函数及薄板样条函数，指数函数等表示。相似性度量相似性度量是衡量每次变换结果优劣的准则，用来对变换结果进行评估，为搜索策略提供下一步动作提供依据。通常配准算法的抗干扰能力是由特征提取与相似性度量共同决定的。常用的相似性度量有：互信息、归一化互信息、联合熵、相关性、欧式距离、梯度互相关等。搜索策略搜索策略指在搜索空间中找到最优配准参数的方法。常用的搜索策略有：黄金分割法、Brent法、抛物线法、三次插值法、Powell法、遗传算法、蚁群算法、牛顿法、梯度下降法等。其他降低计算量的算法包括先粗配，后精配。二．elastix图像配准elastixz是一款基于ITK包含大量医学图像配准算法的软件，该节的公式定义与相关内容参考elastixz用户手册。框架(Registration framework)图像配准实际上是求极值问题，可用如下数学表达式表示：配准框架如下图所示：图像定义(Image)配准图像应包括像素大小，空间位置等相关信息。只有包含这些信息的图像配准才有实际意义。相似性度量(Metric)该软件包括的相似性评价函数包括：均方差方法（MSD）：该方法通过计算对应像素的方差，得到计算区域的均方差，用于评价两张图像的匹配程度。相关系数法(NCC)：该方法通过计算当前位置的像素与计算区域内的像素均值的偏差。当偏差近似相等时等式右边趋于1，当偏差较大时则NCC趋于0，完全相反时则趋于-1。对应项相等得越多则NCC将越大。互信息(MI)：该方法通过计算联合概率密度，计算互信息。B-spline Parzen Windows:通过B样条计算概率密度函数。(B-spline固定搜索半径的采样方法)。归一化互信息(NMI)：卡帕统计量(KS)：DR与DRR图像的配准，建议采用归一化互信息与特征匹配联合使用。采样(Image samplers)全采样(Full)，网格采样(Grid)，随机采样(Random)，协调采样(Random Coordinate)。全采样可能在配准效果上不错，但计算量较大。通常结合随机采样和寻优方式得到较好的效果。协调采样使代价函数更平滑，更容易得到极值。插值(Interpolators)最近邻插值(Nearest neighbor)，线性插值(Linear)，N阶B样条插值(N-th order B-spline)，N=0相当于最近邻，N=1相当于线性，N值越大效果越好，但计算量越大。线性插值在效果与时间花费上都表现良好。当存在形变的配准是通常取N=3的B样条插值。变换(Transforms)平移(Translation)，刚体(Rigid)，相似变换(Similarity-Transform包括Scale, Rotation, Translation )，仿射变换(Affine 包括Scale, Rotation, Translation,sheared)，B样条变换(B-spline Transform，非刚性变换)，薄板样条(Thin –plate splines)。寻优方式(Optimisers)梯度下降法GD(Gradient descent，根据代价函数选择搜索策略)，Robbins-Monro(RM)。多分辨率(Multi-resolution)采用多分辨率降低计算量。