基于互信息的同模态医学图像配准

以改进的互信息为测度,用Powell优化算法实现了同模态医学图像的配准。主要改进了互信息和归一化互信息的公式,减小了互信息的计算量;改进了Powell算法,保持了原搜索方向并有效避免了局部极值;用预设旋转量的方法解决了同模态医学图像配准的局部极值问题,同时,还讨论了Powell收敛阈值对配准速度的影响。实验表明,用改进的算法进行同模态图像配准可以达到亚像素精度,且在速度上有了明显提高,是1种鲁棒性强、速度快、精度高的方法。

基于互信息的磁共振颅脑图像配准

基于互信息的全局配准算法是近年图像配准研究的热点之一,此法具有精度高、鲁棒性强的特点。但是在计算互信息的时候,采用部分体积插值计算联合直方图无法避免在像素整数倍位移处的局部极值,从而会造成误配准。分析了局部极值产生原因,然后根据信息熵的基本性质,提出了一种降低配准图像灰度等级的方法。这种方法抑制了因PV插值所引起的局部极值情况,平滑了信息熵的曲线。然后采用Powell优化算法对信息熵函数进行寻优。实验结果表明配准精度可以达到亚像素级。