基于量子粒子群算法的医学图像配准

医学图像配准是图像融合等图像处理需要先行解决的问题。首先用坎尼算子提取图像的边缘,再用K均值聚类算法进行聚类分析提取轮廓特征点,然后引入了带有量子行为的粒子群优化算法来求解配准所需的空间变换参数。实验结果表明,QPSO能够迅速地在全局范围内找到最优解,应用于多模态医学图像配准是可行的。

基于最大互信息的人脑多模图像快速配准算法

对脑图谱开发过程中来源于不同成像设备的多模图像进行配准。对预处理后的数码图像和MRI图像,首先提取图像的轮廓,采用基于轮廓的力矩主轴法计算初始平移量和旋转量,然后设定初始缩放系数,将此初始配准参数作为改进单纯形法的初始参数,以互信息作为相似性测度迭代搜索,使互信息最大,从而实现最佳配准。结果表明本算法不需要人为预调整待配准图像的分辨率,自动化程度高,配准速度快,精度较高,能够满足脑图谱开发过程中的多模图像配准要求。

基于混合配准策略的多模态医学图像配准方法研究

提出了一种由"粗"到"细"的混合配准策略,该配准策略吸取了以往配准方法的优点,且在细配阶段将基于特征的配准方法和基于灰度的配准方法结合在一起,提出了基于轮廓特征点集最大互信息的配准方法,从而在速度和精度上都得到了很大提高。

基于小波金字塔和轮廓特征的医学图像配准

提出一种快速而精确的自动医学图像配准算法。先提取图像的轮廓,根据力矩主轴法计算初步配准变换参数的值,实现参考图像和待配准图像的初步配准;然后在此基础上,利用小波分解图像,提取图像的边缘特征点,采用小波金字塔分层搜索的策略在一个相对较小的范围对变换参数进行迭代搜索,最终实现图像的精确配准。不但提高了配准的精度,而且可减少精配准过程中所需的时间,有效地降低了配准过程所需的计算量。由实验结果可以看出,配准结果精确,实现速度快,因此是一种实用的多模态配准算法。