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。