论文部分内容阅读
医学影像已成为现代医学中的一个重要的组成部分。医学影像的研究包括两个独立的部分:医学成像系统及医学图像处理。前者强调对图像形成的过程研究。后者主要对已经获得的图像进行加工、处理,使图像更加清晰;使某些特征量更突出,还可对多种类型的图像进行融合。 图像配准和融合是近年来医学图像处理的热点之一。解剖影像与功能影像的信息整合,为肿瘤和心脑疾病的诊断开辟了新的领域。信息整合的技术难点是图像配准。尽管许多商业公司纷纷推出各自的配准、融合软件,但图像配准的相关理论、数学模型及技术难点方面仍然进行着不断深入的研究。本论文的重点是从理论探讨入手,结合实际,解决图像配准在技术实践及临床应用中的难点。论文还对模式识别及插值问题进行了研究,其研究结果对图像配准也有裨益。 在第一章中,论文首先对最大互信息配准法进行了详尽的研究,深入探讨了优化算法、采样策略等对配准精度的影响。针对传统互信息法忽略空间信息、可能导致误配准的问题,提出用高阶互信息法对PET和MR图像进行配准,扩展了高阶互信息法的应用领域。此外又提出了一种新的基于形态学的配准方法。这种新的配准方法只利用某些图像特征来统计互信息,大大加速了配准过程,同时使空间信息在互信息计算中得到充分利用。作为非刚体配准的前期研究,使用基于薄板样条的弹性配准方法对图谱、眼底图像等进行了基于标志点的非刚体配准。 模式识别技术在医学领域有着非常重要的实用价值。第二章中,论文从理论研究入手,对模式识别特征量的提取和实际应用特性进行了深入探讨。提出了两种新的多畸不变矩特征,并从图像重建、噪声特性等方面研究了这两种正交矩的图像描述特性。以圆谐-傅立叶矩为例,研究了其对英文字母集以及实际细胞图像集合模式识别的应用特性。 在第三章中,论文分析了医学图像处理中多种常用的插值方法,选择三个主要的应用领域进行实验,并用多种参数评估插值效果,对实际应用中插值的选择提出建议。