探讨最大互信息配准方法和存在的对策在性医学的应用.docVIP

　　探讨最大互信息配准方法和存在的对策在性医学的应用 --探讨最大互信息配准方法和存在的对策在性医学的应用 摘要:非刚性配准是医学图像处理的一个重要的研究方向。基于光流场模型的Demons算法由于仅依赖图像灰度梯度使图像变形,当缺乏梯度信息时图像的变形方向不能确定,因而容易造成误配准,且该算法只适合于单模态图像配准。本文针对最大互信息配准方法在多模态刚性配准中的成功应用,提出了一种可用于多模态图像配准的改进Demons算法。该方法在原有驱动图像变形力的基础上,代写硕士论文增加两幅图像间互信息对当前变换的梯度作为附加力作用,使浮动图像向两图像间互信息增大的方向变形,正确地配准图像。为避免陷入局部极值并提高算法的运行速度,该方法在多分辨率策略下实现。使用单模态、多模态图像分别进行实验来验证此算法,并与原始Demons算法进行比较,实验表明,该方法能够快速地产生准确的配准变换。 关　键　词:医学图像 非刚性配准 图像配准 多模态图像 互信息梯度 Abstract:Non-rigid registration is one of the important research issues in medical image processingfield. An intensity-based automatic deformable image registration algorithm, knoons”algorithm, only depends on the image intensity gradients of the reference image to drive the floatingimage transform, it easily results in all, even being zeros.Moreover, this algorithm is not fit for the registration of multi-modality images. So, an improved“Demons”algorithm is proposed in this paper. The method adds additional external force based on thefact that the tages can make the mutual information bet maximal, and the force is de-fined as the gradient of mutual information betages ationfield. Moreover, to avoid local extrema and speed up the registration process, the algorithm is per-formed in a multi-resolution manner. Experiments are conducted ono-modality and multi-modality images, the results shoproved method can get a accurate registration transfor-mation quickly. Key edical image;non-rigid registration;image registration;multi-modality image;mutual in-formation gradient 1　引　言　　 图像配准在遥感图像处理、计算机视觉、运动估计、医学图像分析等领域有着广泛的应用[1-3]。在医学图像分析领域,它是医学图像融合、重建等研究的基础。配准是寻找使两幅图像对应点达到空间上一致的过程。图像的刚性配准只能对图像进行全局变换,当需要对图像进行精确局部变形时,如有变形的不同模态之间的融合、外科手术规划与设计、图像与图谱之间的配准等[1],则需要对图像进行非刚性配准。非刚性配准方法主要分为两大类:基于像素的方法和基于特征的方法。基于像素的配准方法由于不需要对图像进行分割,从而避免了分割带来的误差,得到越来越多的重视。其中基于光流场模型的Demons算法[4-5]是一种简单的基于灰度的非刚性配准方法。该算法使用参考图像的灰度梯度信息来决定浮动图像每个像素的移动,但仅靠梯度信息往往是不充足的,特别是当梯度非常小的时候,图像变形的方向不能确定,因此,容易导致错误的配准变换。一些学者针对此问题对Demons算法进行了改进[6-7],但改进后的算法仅限于单模态图像的配准。 由于最大互信息方法在多模态刚性图像配准中的成功应用[8-9],本文基于互信息梯度对Demon