改进Demons算法的验证及其在4D-CT轮廓线推衍中的应用

目的研究一种改进的Demons变形配准算法,验证算法的有效性,评价配准算法的精度,并将其应用于4D-CT轮廓线的推衍。方法为加快收敛的速度和提高配准精度,将Demons算法的双向作用力进行重分配,并提出一个能量函数作为相似性测度,利用BFGS优化算法对能量函数进行优化,避免了经典算法中需指定迭代次数的缺陷。分别利用模拟形变CT图像与变形模体,分析和测量了配准算法的精度,并对该算法在4D-CT轮廓线推衍中的应用进行了评价。结果改进后的Demons算法与经典的Demons算法以及类似的变形配准算法相比,有较高的配准精度,推衍生成的轮廓线与人工勾画的轮廓线匹配程度高。结论变形配准是4D-CT中的一项关键技术,改进后的Demons算法应用于轮廓线的推衍有望大大治疗计划设计的轮廓勾画工作量,其配准精度能满足实际临床的需要。

基于改进Demons算法的乳腺X线摄片非刚性配准

Demons算法是一种基于灰度信息的全自动非刚性配准方法,其配准结果容易受图像之间灰度不一致的影响,且迭代收敛速度较慢。针对这两个问题,提出了一种基于多项式最小二乘拟合的灰度归一化方法对灰度进行匹配,并在迭代过程中自适应调整浮动图像所受作用力以加快收敛速度。用改进后的算法与原算法及其他改进算法分别对乳腺X线摄片进行配准实验,对比结果表明,本文的改进方法能够更快地产生更精确的配准结果,配准后的图像增强了乳腺组织的真实变化,有利于乳腺癌的早期诊断。

基于多分辨率和自适应分数阶的Active Demons算法

分数阶Active Demons(fractional active demons,FAD)算法是图像非刚性配准的有效方法,并且能解决灰度均匀和弱纹理图像配准精度低,优化易陷入局部极小而导致的配准速度缓慢问题,但是该算法中分数阶最佳阶次的寻找需要通过多次实验人工选取,缺乏阶次自适应性.针对该问题,提出了基于多分辨率和自适应分数阶的Active Demons算法,该算法首先根据图像梯度模值和信息熵,构建了自适应分数阶阶次的数学模型,基于该模型自动计算出分数阶的最佳阶次和微分动态模板;然后将多分辨率策略加入到自适应分数阶Active Demons算法中,进一步提高了图像配准效率.理论分析和实验结果均表明:提出的算法可用于灰度均匀、弱边缘和弱纹理图像的配准,能根据图像的局部特征自适应计算最佳分数阶阶次,并避免了算法陷入局部最优,从而提高了图像配准的精度和效率.

基于改进Demons算法的非刚性配准及其在肿瘤放疗中的应用

目的提出一种改进的Demons非刚性配准算法,验证算法的有效性,并将其应用于图像引导放射治疗(image-guidedradiotherapy,IGRT)中治疗图像和计划图像的配准。方法基于Brox等提出的梯度恒定假设和Malis的高效二阶最小化算法的思想,将图像灰度梯度场的相似性加入原始的能量函数中,推导出更新变形场的公式。利用有限内存的BFGS算法优化能量函数,自动确定迭代次数。分别利用模拟形变图像、变形体模图像和肝癌病人的临床CT图像验证改进算法的配准精度。结果改进的Demons变形配准算法与原始的"Additive Demons"算法相比,配准精度更高,收敛速度更快。结论在放射治疗的不同分次扫描过程中,因实际扫描条件的影响,两幅待配准图像像素灰度值范围不同的情况下,改进的Demons算法能够更好地实现快速精确的配准。

基于Demons算法的变形掌纹归一化方法研究

非接触采集是主流掌纹采集方式,但其低约束性可能会导致手掌摆放方式不定,与传感器距离不定,从而引起手掌变形,尤其是手掌平面和传感器平面不平行导致的局部变形问题,这将影响后续特征提取,降低识别率。针对此问题,考虑到人手本身是非刚体的特点,提出基于Demons非刚性配准算法的变形掌纹归一化校正模型,进一步增强变形图像与标准图像的相似性,弥补了传统刚性方法校正效果不佳的缺陷。首先使用改进的Demons非刚性配准算法进行变形掌纹的归一化校正,再使用测度指标进行效果评价,结果表明:在任取的图像序列内,与传统的基于归一化互信息(NMI)的刚性配准方法相比,NMI最高提升3.64%,相关系数(COEF)最高提升156.25%,均方误差(MSE)最高降低81.63%,各指标均优于基于NMI的刚性配准方法,验证了本文方法的有效性和优越性,为后续的特征提取和识别创造了有利条件。

基于分数阶梯度驱动的主动Demons算法研究

图像非刚性配准在计算机视觉和医学图像有着重要的作用.Demons算法被证明是解决非刚性配准的有效方法,然而存在的Demons非刚性配准算法对灰度均匀和弱纹理区域的图像配准精度低,优化易陷入局部极小导致配准速度缓慢.针对该问题,将R-L（Riemann-Liouville）分数阶微分引入到主动Demons算法中,提出了基于R-L分数阶梯度驱动的主动Demons算法.本文将R-L分数阶梯度代替传统的梯度算子,不但可以增强图像的细节信息,而且可以增强灰度均匀和弱纹理区域的梯度信息,从而提高了图像配准精度和速度.另外,通过实验给出了配准精度与R-L分数阶模板参数之间的关系,从而为模板最佳参数的选取提供了依据.尽管不同类型的图像其最佳参数是不同的,但是其最佳配准阶次一般在0~1之间.理论分析和实验结果均表明,该算法可以用于灰度均匀和弱纹理区域的图像配准,且配准精度和速度都有明显的提高,本文方法是Demons算法应用的一个重要延伸.

Demons算法在四维CT图像配准中的应用

由呼吸运动引起的器官的运动及形变是4D精确放射治疗中最主要的误差来源。利用4D CT图像和配准技术来分析不同呼吸时相中组织、器官的形变是目前研究的热点。目前常用的研究方法是基于形变模型的3D配准算法。基于光流场的Demons算法具有速度快和精度高的特点,本文将其应用到4D CT图像配准中,并在原始图像形变力的计算中引入了对称梯度。实验结果表明,结合对称梯度的Demons方法具有更快的收敛速度,而且匹配误差小。

GPU框架下基于改进Demons算法的CT-CBCT图像变形配准研究

目的:针对自适应放射治疗中的关键技术--CT和CBCT图像变形配准问题,提出一种基于图形处理器GPU的改进Demons配准算法。方法:通过匹配CT和CBCT图像相应体素局部邻域点集的k阶样本矩,计算CBCT图像每一个体素CT值的线性变换系数,并在每一次Demons迭代过程中,对原CBCT图像逐体素做CT值线性变换,最后利用Demons公式计算变形场。结果:5例临床头颈部肿瘤患者的CT和CBCT图像配准结果表明,改进后算法不受CT和CBCT图像CT值强度不一致的影响,能快速、精确的完成图像的变形配准。结论:基于GPU框架的改进Demons算法可以快速精确完成CT-CBCT图像变形配准,较好的满足了临床对于快速变形图像配准的要求。

基于SIFT检测的Demons图像配准

提出一种计算简便且配准效率高的算法.通过拟牛顿对Demons算法里的目标函数进行优化,从而得出形变向量u的方法,阐明了此方法配准的高效性,同时再结合SIFT算法对配准结果的检测,便能很直接很直观地看出配准结果的好坏,避免了判断两幅图相似性的大量计算.实验验证了所提出算法的有效性.

基于Demons配准的NVST太阳高分辨图像横向速度场测量

太阳高分辨图像中横向速度场的测量已经广泛应用于太阳光球、色球表面特征的动力学分析中,但依然存在测量精度不够的问题。详细介绍了Demons方法,并将其应用于1 m新真空太阳望远镜的高分辨观测资料处理中。首先选取不同观测时间间隔和代表光、色球不同波段的3个数据集作为测试样本,在测量到速度场后,通过与前一时刻图像进行非刚性配准并比较结构相似度评价速度场的测量精度。结果表明,Demons方法在小尺度运动的精细测定方面,明显优于传统的基于傅里叶变换的局部相关跟踪法和微分仿射速度估计方法。并且采用光球和色球图像的亚像素和超像素模拟位移实验表明,这一方法的逐点测量精度可以达到0.1像素量级。

基于Demons算法的MR图像与病理切片的非刚性配准

目的:采用Demons算法实现脑胶质瘤MR图像与病理切片图像的非刚性配准。方法:采用Demons算法,加入局部结构张量信息,构建能量函数以获得新的形变向量,最后通过迭代实现MR图像与病理切片图像的配准。结果:配准后病理图像的肿瘤轮廓与MR图像基本吻合。结论:Demons算法可实现脑胶质瘤MR图像与病理切片的非刚性配准,配准后两幅图像的肿瘤大小信息基本达到一致,可为进一步的模型构建提供参考。

基于平衡系数的Active Demons非刚性配准算法

经典的Active demons算法利用参考图像和浮动图像的梯度信息作为驱动力,并使用均化系数调节两种驱动力之间的强度.该算法克服了Demons算法单一使用参考图像的梯度信息作为驱动力的缺点,但是Active demons算法中的均化系数无法同时兼顾大形变和小形变区域的准确配准,还会导致配准的收敛速度和精确度相互制约的问题.为此,本文提出一种新的Active demons非刚性配准算法.提出的算法在Active demons扩散方程中引入一个称为平衡系数的新参数,与均化系数联合调整驱动力,不仅可以兼顾图像中同时具有的大形变和小形变区域的准确配准,而且在一定程度上缓和了收敛速度和精确度相互制约的问题.为了进一步提高配准的收敛速度和精确度,避免陷入局部极值,在新的配准算法的实现中引入由粗到细的多分辨率策略.在Checkboard测试图像、自然图像和医学图像上的实验结果表明,提出的算法较经典的Active demons算法收敛速度更快,配准精度平均提高了54.28%,接近最新的TV-L1光流场图像配准算法的配准精度,解决了Active demons算法存在的问题.

基于多分辨率GMI Demons算法的^(18)F-FDG PET-CT图像配准在食道癌病例中的应用

18F-FDG PET和CT图像的精确配准在肿瘤的放射治疗中具有重要的临床研究意义,本研究采用全局刚性粗配准对食道癌病例中的PET和CT图像进行预处理,尽可能地减小摆位误差,然后使用基于互信息梯度的Demons算法(GMI Demons)进行局部形变配准,有效弥补内部器官误差,另外为了加快配准过程,保持图像的鲁棒性的同时避免局部极值,在形变配准前使用多分辨率图像金字塔结构。通过对10例食道癌病例的定量分析,最大互信息值结果说明经GMI Demons算法配准之后的图像精度比基于MI算法要提高8.046%±0.041%,配准前后临床上肿瘤靶区(GTV)大小的变化,说明经GMI Demons算法配准之后的GTV大小比基于MI算法配准之后的精度提高8.022%±0.044%。两种定量结果的一致性和通过对图像的定性分析,说明该配准策略可以快速地精确肿瘤靶区位置,在制定精确的放疗计划和实际的临床应用中具有研究意义。

基于改进Demons算法的三维肺部医学影像配准研究

为实现相同个体在不同呼吸状态下产生较大形变的三维肺部医学影像配准,提出一种基于改进Demons算法的精确有效配准方案。对待配准影像进行全局非刚性配准,通过尺度不变特征变换算法对影像进行特征点提取与匹配,根据匹配结果计算变换参数,完成全局配准;利用改进Demons算法对全局配准后的影像进行局部非刚性配准。使用改进的方案实现了人体肺部影像配准,并且肺部整体轮廓以及内部组织的配准结果较理想。配准前,影像间的均方误差值为25 835.3,经配准后影像间均方误差值降为3 726.31,均方误差值下降率为85.58%。提出的方案能够有效配准三维肺部影像,对肺部呼吸运动估计以及呼吸功能分析提供了良好的基础。

基于自适应微分同胚多分辨率Demons算法的多模态磁共振图像配准

微分同胚Demons能保证变形场的光滑可逆性,避免不合理形变的产生,但迭代次数需手动设定,且对配准结果影响较大。为解决此问题,提出自适应微分同胚的多分辨率Demons算法。首先利用非刚性配准的优化理论框架和多分辨率的策略,引入基于灰度的相似度能量函数,并设置配准终止条件,最终实现迭代次数的自适应。用check board图像,相同模态和不同模态的磁共振图像进行测试,采用配准评价指标进行定量分析,并分析不同驱动力和参数对配准结果的影响。实验结果表明:对于相同模态的磁共振图像,均方误差为514.796 5,归一化互相关系数为0.999 3,结构相似度为0.994 8;对于不同模态的磁共振图像,均方误差为1 354.1,归一化互相关系数为0.593 5,结构相似度为0.511 6;该算法均方误差最小,归一化相关系数、结构相似度最高;该算法具有高效性和鲁棒性,可用于磁共振图像的非刚性配准。

基于小波变换的脑部医学Demons图像配准

非刚性配准是医学图像处理的一个重要研究方向;针对Demons衍生出的一系列经典的配准算法在医学图像应用上计算复杂、方向信息不足问题进行了研究;基于光流场模型的Demons算法依赖图像灰度梯度使图像发生变形,当缺乏梯度信息时,力不能确定,因而容易造成误差,并且该算法仅适合于单模态图像配准;为此文章提出了一种基于小波变换理论的频域Demons配准处理方法(BDemons);该方法利用小波变换能够对各个尺度、方向和位置实现较好定位的优势,通过高频、低频的图像变换反映出图像的特征信息;实验结果证明了算法的有效性和鲁棒性。

基于局部熵的Active Demons多模医学图像配准

针对Active Demons算法只能配准同模态图像,并且图像的灰度梯度不太明显时形变方向无法确定从而导致误配准的问题,提出了一种基于局部熵改进的Active Demons多模医学图像配准算法.该算法首先将原图像转换为局部熵图像,然后使用改进的Active Demons算法进行配准,该算法在Active Demons分母上分别加入浮动图像与参考图像的灰度梯度值平方.正则化变换时以双边滤波器代替高斯滤波器,使得图像边缘的细节信息保持较好.多模态医学图像配准的实验结果说明该方法精确度高,使图像质量得以提升.

基于结构图像表示和微分同胚Demons算法的多模态医学图像配准

为了提高多模态医学图像的配准精度,利用参考图像和浮动图像的结构信息,提出了一种基于结构图像表示和微分同胚Demons算法的多模态医学图像配准算法.该算法由结构图像表示和图像配准组成.在结构图像表示阶段,采用Arimoto熵图像来描述参考图像和浮动图像的结构信息,首先计算2幅图像中所有像素点周围指定大小邻域的熵值,然后把计算的熵值作为熵图像中对应点的灰度值以生成2幅熵图像.在图像配准阶段,使用微分同胚Demons配准算法对2幅熵图像进行配准.基于Brainweb数据库中磁共振数据的测试结果表明:与微分同胚Demons算法和基于香农熵的Demons算法相比,利用Arimoto熵表示图像的结构信息可以进一步提高配准精度.

形变引导正则化的医学图像Demons快速配准算法

Demons配准算法通常采用各向同性的Gaussian滤波器作为正则化项,该操作忽略了图像灰度变化的空间各向异性和形变场信息,造成在目标边缘等细节信息丰富的区域配准误差较大.此外,由于正则化过程通常需要逐像素进行平滑操作,导致Demons算法针对大尺寸图像进行配准时效率有待提高.针对上述问题,提出了一种基于形变引导正则化的医学图像Demons快速配准算法(DGR Demons).该算法有3个优势:首先,DGR Demons通过引入各向异性的引导滤波器作为配准过程的正则化项,有效保留了图像边缘细节,避免了在图像边缘处发生梯度越变;其次,DGR Demons用待配准图像间的形变来引导正则化过程,由于充分利用了形变的空间信息,获得了更加精确的配准结果;最后,DGR Demons通过对形变进行下采样,使得正则化中的平滑映射关系计算在低分辨率形变上执行,从而有效减少了配准耗时.实验结果表明,提出的DGR Demons实现了更快、更精确的配准结果,与主流Demons算法相比,将配准精度提高了约40%,配准效率提高了约8%.

声纳图像配准中的Demons算法

针对传统基于光流场模型的Demons算法变形方向不易确定,同时考虑声纳图像序列中连续帧图像缺乏梯度信息,提出一种结合梯度互信息的改进Demons算法。该方法在原有图像变形力的基础上,增加两幅图像间梯度互信息作为驱动图像变形的附加力。在图像配准的同时,使两幅图像的梯度互信息达到最大,避免Demons算法仅依靠图像灰度梯度变形,从而得到更为精确的配准变换。通过声纳图像配准实验,研究结果表明:该算法在互信息量上提高5%以上,验证该方法具有配准精度高,鲁棒性强,是一种有效的非刚性配准方法。