有限元弹性配准中的驱动外力及其网格细化

为了减小由于图像亮度差异和局部非均匀形变造成的配准误差,本文通过引入驱动点邻域的空间信息和灰度信息,并结合结构张量和鲁棒函数,得到了一个改进的驱动外力.在模型的有限元法求解中,提出了对细节区域进行网格细化的策略,该方法避免了计算误差在金字塔迭代中的传递放大.本文分别对20组肺部CT图像和20组脑部MR图像进行了弹性配准实验,采用归一化互信息、归一化互相关系数、峰值信噪比、均方误差,以及尺度不变特征变换(SIFT)匹配特征点平均距离来定量评估图像匹配度.实验结果表明,相对于传统的弹性配准,本文算法的配准精度获得了显著提高,t检验得到的P值小于0.05.