基于ICP算法的医学图像配准的研究-生物医学工程专业论文.docxVIP

基于 ICP 算法的医学图像配准的研究 摘 要 随着医学影像技术的发展，临床上能获得各种模态的医学图像。这些医学图像有各自 的特点，在临床诊断中，常常需要把不同模态或者不同时刻，不同成像条件的医学图像结 合起来。把两幅或者多幅不同的医学图像融合到同一幅图像中，可以结合不同图像的优点， 使图像的包含的信息更丰富，有更高的临床诊断价值。但是，来自不同模态和条件的图像 在空间位置上往往不能保证一致，不能直接融合图像，首先要进行图像配准。因此，图像 配准是图像融合的基础。 迭代最近点（Iterative Closest Point, ICP）算法是基于特征点集的算法。该算法通过不 断迭代使点集距离最近，此时认为点集空间位置达到了一致，点集的空间变换参数就是图 像的空间映射参数。ICP 算法能使图像的距离快速达到很近的位置，但是这一最近距离值 收敛到一定的程度便不再变化。为了提高配准的精度，本文尝试使用了免疫算法。免疫算 法在优化目标函数方面有很重要的应用，可以通过设置参数使配准参数达到理想的精度。 缺点是在没有经验值的情况下，收敛速度很慢，用于优化最近距离函数没有现实意义。结 合这两种算法的优势，本文选择用 ICP 算法进行初配准使图像基本配准。在此基础上有了 较好的经验值，再使用免疫算法优化最近距离函数，这种方法取得了满意的效果。 由实验结果可知，ICP 算法具有收敛速度快的优点。对 MR 和 CT 图像，T1 和 T2 图 像的配准都适用，且对于空间位置差异不大的医学图像稳定性很强。唯一的缺点就是精度 到达一定的值不再提高。免疫算法的缺点是收敛速度慢，但是能达到较高的精度。免疫 ICP 算法将两者结合起来，使运算速度比免疫算法快，计算精度比 ICP 算法高。 关键词：图像配准，ICP 算法，免疫算法，空间变换，图像融合 RESEARCH ON MEDICAL IMAGE REGISTRATION BY THE ICP ALGORITHM ABSTRACT With the development of the medical imaging technology, various medical image modes can be obtained. It is often necessary to combine the medical images which come from different modes, different times or different imaging conditions. Fusing two or multiple different medical images to one image can combine the advantages of different images so that the image contains the richer information and the higher diagnostic value. However, the spatial locations of the images which come from the different modes and conditions are not often consistent. And therefore images can not be fused directly. The image registration should be conducted in the early stage. Therefore, the image registration is the base of image fusion. Image registration techniques have important application in the medical image processing. Iterative Closest Point（ICP）algorithm is based on the feature points. When the distance of the points is the nearest by continuously iterating, the spatial position of the set of points reaches consistent. In this case, spatial transformation parameters are the image transformation parameters. The ICP algorithm enables the distances of the image