基于互信息的多模医学图像配准方法研究

来源 :湖南大学 | 被引量 : 0次 | 上传用户:boat_y
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
多模医学图像配准为医生利用多种模态的医学图像信息、提高医学诊断和治疗的准确性打下了基础。基于互信息的配准方法由于无需预处理、准确性高、稳健性好等特点,是当前医学图像配准方法的发展趋势。本文对多模医学图像配准进行了研究,所做的主要工作有:首先介绍了多模医学图像配准的概念和配准过程,对目前主要的配准方法及其分类进行了归纳,详细讨论了互信息的相关知识以及插值方法、出界点处理和灰度级数目对互信息配准的影响。由于互信息函数存在很多的局部极值、函数值计算时间比较长,使得配准过程耗时较长并且容易陷入局部最优中而导致误配准。其次,提出了基于智能优化的互信息图像配准算法。为了提高配准方法的精度和稳健性,本文采用具有全局搜索能力的现代智能优化算法进行配准优化。针对遗传算法的“过早收敛”,我们采用混合优化算法,将模拟退火算法的Metropolis接受准则引入到遗传算法中。采用遗传算法、蚁群算法、混合优化算法等智能优化算法进行配准的优化,较大地提高了配准的精度和鲁棒性。对混合优化算法进行配准实验和数据分析,证明了算法的有效性。最后,针对互信息配准耗时长的问题,我们采用基于小波变换的多分辨率方法,提出了将蚁群算法、遗传算法与Powell法相结合的多分辨率图像配准算法。首先对图像进行小波分解,在低分辨率情况下采用蚁群算法或者遗传算法进行搜索,高分辨率时采用Powell法进行优化,这样能够有效地避免陷入局部极值、提高优化速度,同时也可以克服智能优化算法局部搜索能力不强的缺点。实验证明了文本方法的有效性和可行性,配准结果达到亚像素精度。
其他文献
学位
近年来,随着互联网的发展,人们可以获取的信息以指数的速度增长。一方面,为了便于管理如此庞大的信息,文本分类技术日益引起人们的关注。另一方面,对于特定的用户而言,所需要的信息
分类算法是机器学习、模式识别、数据挖掘等领域中研究和应用最广泛的一个重要课题。目前已知的分类算法中一种重要的基于统计方法的模型是贝叶斯分类模型,在贝叶斯分类模型中
本文系统地研究了敏捷(Agile)软件方法中的极限编程(XP)方法,讲解了XP的理论知识以及它的十二种实践方法,并且对十二种实践方法在实际系统中进行了研究与应用,还有对敏捷建模和
Web服务和对等网络是当前的热门技术。两者具有一定的互补性,因此可将这两项技术进行一定程度的整合。在P2P平台上实现Web服务不但可使Web服务分散,实现应用之间的松耦合;还
对于网络拥塞的控制,首先需要了解流量特性并建立准确的流量模型。传统的网络业务模型只能描述其短时相关性,研究发现网络流量具有长相关性,因而具有自相似性。FARIMA(p,d,q)
近年来,随着生物信息计算、网络入侵检测、文本检索等领域的发展,如何从序列数据中快速地提取用户感兴趣的、有意义的模式成为了一项关键的研究课题。对于已有的模式定义,最
在软件开发历程中,软件系统架构设计一直起着关键的作用。对于规模较大的企业级应用而言,系统架构不仅会影响到系统设计和开发的进度,也会直接影响到系统的后续发展潜力,甚至
汽车电子技术的迅猛发展,引发了汽车控制领域深刻的技术变革,目前汽车网络正朝着总线化的方向发展。CAN总线是目前被众多汽车产业广泛采用的汽车网络主流协议,FlexRay总线是