毕业设计 图像配准论文.doc

图像配准是图像处理的基本任务之一，用于将不同时间、不同传感器、不同视角及不同拍摄条件下获取的两幅或多幅图像进行(主要是几何意义上的)匹配。图像配准是多种图像处理及应用的基础，配准效果将直接影响到其后续图像处理工作的效果。 多模态医学图像配准在疾病的诊断及治疗中有着重要应用，它的研究是医学图像处理领域的热点。基于互信息的配准方法可以不依赖于图像本身灰度，并具有鲁棒性好，可实现自动校准等优点，因此本文主要针对基于互信息的多模态医学图像配准方法进行深入研究。 从图像配准的框架入手，着重研究了基于最大互信息的配准方法，分析了互信息作为配准的测度函数具有的优点和存在的缺点。为了加快配准速度，针对互信息计算量大和存在局部极值的问题，本文集中于优化策略的研究，在一般优化算法的讨论分析基础之上，提出了改进的优化算法，针对一般Powell法不考虑线性无关问题，本设计采用了改进后的Powell法，可以使搜索方向线性无关，共轭程度增加。还引入了PSO优化搜索算法与Powell算法进行比较。最后通过仿真做定性和定量分析。 1 引言 1.1论文背景和意义 应用（一直以来图像配准技术就是一个值得研究的有意义的方向。图像配准技术被广泛应用于医学图像分析、遥感数据分析与计算机视觉等领域。在医学图像分析中，图像配准技术可用于跟踪肿瘤的放射治疗效果，研究人脑功能和个体差异，辅助诊断神经系统疾病等；利用图像配准技术分割脑核磁共振(MRI)图像，重建大脑的3D结构。 按照成像模式图像配准可以分为单模配准和多模配准。前者是指用不同成像设备获取两幅或多幅待配准图像。它是针对不同线程、不同时间、不同成像模式的两幅或多幅图像进行空间几何变换，以使代表相同解剖结构的体素在几何上能够匹配对应起来。多模态图像配准在医学研究中具有极为重要的应用价值，随着科技的发展，医学分析和诊断多利用多模态图像，尤其医学图像配准是现代医学图像处理技术应用的一个重要方面，它是图像融合的第一步。不同传感器所具有的特点不同，为了将多源图像进行有效地组织，发挥各自的优点，我们必须先研究各种传感器所具有的特点，针对这些传感器不同的特点，进行优势互补，帮助我们所获多源图像进行解译。不同模态的图像成像原理不同，而且提供的信息针对性也不同。临床上根据图像提供的信息内容将医学图像分为两大类:一类图像用于描述生理形态的解剖结构的解剖图像，另一类图像用于描述生理代谢或功能信息的功能图像。前者包括计算机X射线断层成像(简称CT)、核磁共振成像(简称MR)、超声成像(简称US)和B型超声检查(简称B超)等。这类图像能准确反映人体器官的解剖结构信息并且有较高的分辨率，但是不能清晰地反映生理的功能信息。功能图像包括正电子发射断层成像(简称PET)、功能磁共振成像(简称FMR)和单光子发射计算机断层成像(简称SPECT)等。这类图像虽然能够提供脏器的功能代谢信息，但是它在反映人体器官的解剖结构信息时分辨率较差。 在医学应用中，单一模态的图像往往难以提供足够的病理信息，医生为了获得病人多方面的信息常常需要将同一病人的多种成像模式的图片综合起来进行分析，如在CT上观察骨组织，在MR上观察软组织;利用PET、SPECT获得功能信息，再综合CT、MR的解剖信息分析。这就是图像融合，这种把各种成像模式的图像信息融合成一种新的影像模式的图像融合技术，将同一或不同研究对象获得的相同模态或不同模态的图像在空间位齐，加工利用多元信息，使不同形式的信息互相补充，最终目的是并将不同图像中的有用信息集成到一幅图像中，以便改善单一成像系统所形成的图像质量，以获取对同一场景的更为精确、更为客观、更为全面、更为可靠的图像描述。）经过融合后的图像互补了各种单一模式图像信息的不足。而在图像融合之前首先要解决图像的配准问题，配准结果的好坏直接影响图像融合的质量。因此，医生要想全面的了解病变组织的情况，必须准确的对多幅图像进行配准才能融合，进而制定出更加合理的治疗方案。） 配准意义（随着现代科技的迅速发展和新型传感器的不断涌现，人们获取图像数据的能力不断提高。由于不同物理特性的传感器所产生的图像不断增多，同一地区往往可以获得大量不同尺度、不同光谱、不同时相的多源图像数据信息。在利用多源图像信息进行数据融合、目标变化检测、目标识别等多源协同处理工作之前，必须进行多源图像配准工作，配准精度的高低直接影响到后续应用效果的好坏。所以，如何对图像进行高精度的配准一直是图像处理领域的热点与重点。) 1.2图像配准技术研究现状 早在七十年代美国从事的飞行器辅助导航系统、武器投射系统的末制导以及寻地等应用研究中就提出了图像配准。八十年代后，像遥感领域，模式识别，医学诊断，自动导航，计算机视觉等很多不同领域都有大量配准技术的研究。70年代，为提高配准的速度性能EE．Anu