几何代数理念视野之医学图像配准概述.docVIP

　　几何代数理念视野之医学图像配准概述 --第1章绪论 1.1医学图像配准的研究背景与研究意义 根据医学图像描述的信息不同，将它分为两类，一种是由X射线、磁共振成像(MRI)、计算机断层成像(CT)、超声成像(UI)、多普勒成像(DI)等途径获取的医学图像，用于描述组织构造、解剖信息的解剖成像；另一种是通过正电子发射断层成像(PET)、电光子发射断层成像(SPECT)、电子灌注断层成像(BIT)及功能磁共振图像(FMRI)等途径获得的医学图像，用于描述机体内部的代谢信息的功能成像。在实际的临床诊断中，往往要求综合考虑两种成像技术获得的医学图像信息，全面考虑分析病理症状，从而提高临床诊断效果。目前医学图像处理的主要研究方向有图像复原、图像压缩、图像分割、图像配准、图像融合、模式识别、图像可视化等。在医学应用领域，诊断和治疗的自动化、智能化、精确化对图像处理技术的要求越来越高。本文所研究的医学图像配准技术，是实现医学图像融合的关键与前提⑴，并为医学图像理解等更高层次的处理提供更全面的信息。由于不同模态的医学图像成像原理、成像设备、分辨率、成像参数等有很大差异，所生成的图像信息也会不同，医生临床诊断时也不能凭借自己的空间想象和推测来诊断病人的病情，所以图像融合、三维重建前必须进行图像配准。医学图像配准是一项比较复杂和困难的课题，虽然广大专家学者对医学图像配准技术做了一定的研究，并有部分成果得到临床应用，但是在提高配准速度、精度，优化配准算法等方面仍然面临着挑战[2]。 …………… 1.2医学图像配准概述 从图像空间中提取合适的特征空间可以提高配准性能，缩短参数搜索时间，增强算法鲁棒性。一般把特征空间分为：特征点，特征曲线、曲面，基本像素（体素)。变换模型包括线性变换和非线性变换。在线性变换中，有刚体变换、投影变换、相似变换和仿射变换等；非线性变换大都使用多项式函数。相似性测度定义为某种代价函数，即优化搜索策略的目标函数，在给定变换模型和特征空间中获得最优变换参数。可分为两类，第一类是使用相关性估计变换参数建立具体的几何特征相关；第二类是使用优化能量函数得到最优变换参数。相似性测度的值越大，配准效果越好。优化图像配准措施可以改善相似性测度，更快达到最优值，减少运算量。常用的优化算法有：穷尽搜索法、Poann的扩张代数与Hamilton的四元数，建立了能进行高韩度几何计算与分析的几何代数也叫Clifford代数。几何代数在经典分析、理论物理和微分几何等领域有重要应用，外积运算后得到的结果是一个二维的子空间，也叫做二重向量或平面量。平面量的面积即为平行四边形的大小，此平行四边形以 和6为边，6的顺时针弧线为方向。而平面量本没有形状，之所以描述为平行四边形是为了使这个区域更形象化便于直观理解。普通向量是长度向量，相应的，平面量则是面积向量。在数学上，如果6向量延伸到G向量，结果平面量的面积相同但方向相反（逆时针）。因此外积是反交换的。在简单介绍了二重向量和三重向量后，我们已经可以用数、向量、二重向量以及三重向量分别表示0-、1-、2-、3-维子空间。自然的可以从以上概括出任意维的子空间，因此引入了片积（blade)这一概念。以A：片积为例，A是指子空间维度的片积跨度。t的大小即为片积的大小，具体来说标量是0片积，向量是1片积，二重向量是2片积，三重向量是3片积。在高维空间里可以是4片积、5片积以上。而在一个《维空间里《片积为最高等级的片积。前文中叙述了向量通过基向量的线性组合等实例。 ………… 2.2几何代数中的数学工具 前面简要介绍几何积和多重向量的目的，就是要将其作为一种算法进行使用。接下来会介绍一些定义和算法，它们对于Clifford代数的应用都是非常有用的。旋量不仅仅能旋转向量和二重向量，也适用于三重向量、n片积等任意的多重向量。想用它旋转一个平面也是很方便的。它的理论不会随着应用空间的拓展而变化。在传统的欧几里得向量代数中，人们往往利用面上的点或线上的点来描述或表征其在欧氏空间上的位置，例如描述一个在3维欧氏空间上的平面，我们需要一个二重向量来定义其方向，需要一个坐标向量来定义其位置（即该平面经过的坐标向量），在这里我们将维欧氏空间内嵌于《 空间内，这就是一般齐次空间模型，我们仅需用纯片积来描述《维欧氏空间上的几何元素，不需要再引入刚才坐标向量来进一步确定其几何位置。共形几何代数（简称CGA)是由李洪波主创的一种新的几何表示方法和计算工具。它提供了一套用于经典几何的简洁有效而又统一的齐次代数框架。通过展开、消元以及化简的高效算法，使得计算极其复杂的符号几何成为可能。这里只对与本文有关的部分理论做简单拥要的介绍。 …………… 第3章几何代数低维子空间几何不变矩..........38 3.1引言........38 3.1.1彩色