论文部分内容阅读
医学影像技术的应用随着医学、计算机技术的发展贯穿了临床活动的全过程。由于不同设备成像的原理不同,使得医学影像有提供不同信息的多模态图像,临床上医生为了对患者的病理信息作全面的了解,通常需要对同一病人进行不同模式的成像或者是同一模式的多次成像,最后再整合多幅图像信息来综合分析。这种将不同模式的图像信息整合成一种新模式的图像称为医学图像的融合,而融合的第一步先要配准。医学图像配准作为图像融合的先决条件,它的研究是医学图像处理领域的热点。本文主要对医学图像配准的方法进行了深入的研究,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,并针对其缺点从精度和速度两方面提出了改进的措施。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,本文集中于采样技术和优化策略的研究,在对常用采样方法和一般优化算法的讨论分析基础之上,提出了一种基于图像区域信息熵的采样方法,并设计了在这种采样方法下使用Powell与模拟退火相结合的混合优化算法对互信息函数进行优化。最后通过仿真实验作了定性与定量分析,结果表明:这种基于信息熵的采样方法结合混合优化算法既能保留图像重要的信息不丢失,又能明显地加快配准过程中测度函数的收敛速度。为了克服互信息因陷入局部极值而导致误配准,尤其是两幅待配准的图像在混有大量噪声、重叠区域较小、对比度降低、或者是图像数据缺失等情况下,单独利用互信息的方法难以得到精确的配准结果,本文提出了两种互信息的改进方法:一种方法是将图像的空间信息引入到互信息函数中,即互信息结合边缘互方差的配准方法;另一种方法是将图像的感兴趣区域(ROI)引入到互信息函数中,即互信息结合感兴趣区域互信息的配准方法,分别用加权互信息和加权概率互信息两种组合构造了配准测度函数。在互信息结合边缘互方差的配准方法中,利用Susan算子具有抗噪声性能好、控制参数使用灵活性强的优点,将其用于医学图像的边缘提取。最后经实验证明了,改进的互信息配准方法均比单独利用互信息对图像配准时的配准精度高,稳定性好。