方向相关与互信息加权组合多模图像配准方法

针对可见光与红外图像的配准问题,提出了一种基于边缘方向相关和局部优选区域互信息加权的配准方法。首先进行区域划分,建立区域优选测度,选取信息量丰富的局部区域;在优选区域的基础上,引入了图像的边缘方向信息,构造边缘方向图,以增加全局空间特征;然后,通过综合局部区域灰度信息和全局边缘方向信息,将互相关测度和互信息测度加权集成,构造了一种新的相似测度。实验结果表明,边缘方向相关测度的引入,提高了基于互信息的图像配准的精度,利用局部优选区域代替整幅图像提高了算法的速度。

基于感兴趣区域互信息的多模图像配准方法

针对可见光和红外图像的配准问题,提出了一种改进的基于感兴趣区域梯度互信息的多模图像配准方法。该算法从两个方面做了改进,首先,为了提高算法性能,对图像做了预处理抑制噪声,然后通过对图像进行灰度级降采样操作,合理选择较少的灰度级达到减少计算量的目的;其次,提取图像中复杂度高的区域作为感兴趣区域来代替整幅图像进行配准,这样不仅可以提高像素灰度在互信息计算中的可用性,同时可以提高互信息配准方法的配准效率和精度。实验结果表明,该方法可以有效提取相关性高的区域,提高互信息配准方法的精度和效率。

基于人工免疫及最大互信息的胸部多模图像配准

为了实现胸部医学图像的自动配准,提出了一种基于人工免疫及最大互信息的配准方法。首先定义了最优配准的目标函数,接着运用人工免疫算法,结合最大互信息熵函数产生最优的仿射变换系数,从而实现医学图像自动配准。该人工免疫算法中,抗原是指最大互信息熵目标函数,而抗体是指最优的仿射变换系数。实验证明该方法配准效果较好。

颅内电极定位中的多模图像配准研究

目的:探讨不同配准方法在颅内电极定位中的表现,寻找适合于颅内电极定位的方法。方法:分别利用均方测量和Mattes互信息方法作为代价函数,将患者植入电极后的CT图像与植入电极前的MRI图像进行配准,对比两种方法的表现。结果:两种方法均能较为准确地定位旋转中心的位置。在同一CT和MRI体数据对中,不同断层图像对进行配准时旋转角度的波动较大;而不同断层配准图像的平均旋转角度与人工配准的结果大致接近。结论:不同断层图像对配准结果的平均值可作为整个CT和MRI体数据的配准参数使用,并得到相对良好的匹配结果。

一种空间结构描述算子在多模图像配准中的应用

提出了一种用于表征图像的空间结构描述算子。通过此描述算子,可以将多模图像配准问题简化成单模图像配准问题,从而方便了整个配准的过程。首先,为了探究图像的结构信息,在计量坐标系(gauge coordinate system)下提取了大量的图像几何结构特征。同时,为了引入图像的空间信息,将当前像素附近的邻域像素也考虑其中。然后,依赖于一种改进的主成分分析方法,从大量的有关于图像的结构和空间信息之中,挑选出了最具代表性的信息用于构建与原图大小相同的空间结构描述算子。实验证明,与很多其他的优秀的相似度评价方法相比,基于该描述算子的绝对差值和SAD(sum of absolute difference)方法能更高效地、更稳定地匹配多模图像对。

基于自适应自由变形法和梯度下降法的胸部多模医学图像配准

为了实现胸部多模态医学图像的自动配准,提出了一种基于层次B样条自适应自由变形法和梯度下降法的配准方法。首先采用GVF Snake与Canny算子实现边缘提取,并自动配对特征点;接着,采用矩主轴法对多模医学图像进行全局粗配准;最后,基于层次B样条自适应自由变形法对多模态医学图像进行自动细配准,并且采用梯度下降法以及最大信息熵准则加速求自由变形系数。实验证明该方法不仅效率高,而且配准效果好。

胸部多模医学图像快速配准

为了实现胸部多模态医学图像的自动配准,提出了一种基于层次B样条自适应自由变形的快速配准方法。首先采用C-V水平集方法实现感兴趣区域的提取,并基于并行计算实现自动配对特征点;接着,采用矩主轴法对多模医学图像进行全局粗配准;最后,基于层次B样条自适应自由变形法对多模态医学图像进行自动细配准,并且采用梯度下降法以及最大信息熵准则加速求自由变形系数。实验证明该方法不仅效率高,而且配准效果好。

基于Shape Context和尺度不变特征变换的多模图像自动配准方法

提出了基于修正的尺度不变特征变换(SIFT)特征提取和Shape Context特征描述算子相结合的多模图像自动配准算法,该算法利用修正的SIFT算法提取多模图像中的特征点,然后采用Shape Context算子描述特征点,利用特征点周围区域边缘点的梯度方向形成特征向量。采用欧氏距离作为匹配标准对多模图像中特征点进行初始匹配,然后通过RANSAC算法消除误匹配的特征点对,并采用最小二乘法计算仿射变换参数,最后通过仿射变换和双线性插值实现图像配准。对红外图像和可见光图像的配准实验结果表明了本算法的有效性和稳定性。

基于变电站多模图像的自动集成配准方法

针对采集的变电站多模图像,提出了一种改进的多模态图像的自动集成配准方法。变电站多模图像的尺寸不同,所以先对其进行小波变换,以变换后得到的两幅概貌图像为待配准图像,以六种配准方法中的每一种作为一个适应度函数。使用遗传算法进行搜索,分别寻找两幅概貌图像的最佳配准位置,再映射回小波变换前的多模图像,最后使用动态可信度进行集成。实验结果证明,该方法能实现不同尺寸的多模态图像的自动配准,速度较快,鲁棒性强,比单一的配准方法准确性高,并且可以不断地修正可信度,具有较强的适应性。

基于互信息的N维多模医学图像配准

目前多模医学图像配准都定位在两幅图像配准的研究,很少涉及N维(3维及3维以上)图像的配准。当用扩展的N维互信息测度(E-NMIM)进行多个图像配准时,不能保证互信息(MI)值的非负性,并且运算速度慢,达不到临床要求。本文提出一种新的N维互信息测度(N-NMIM),不仅保证了MI值的非负性,而且在[1,2]有界范围内,也提高了配准的速度。通过腰椎部位的CT,T1加权的MRI和T2加权的MRI图像进行实验,验证了这种配准方法的有效性。

多模医学图像配准中智能优化算法的应用研究

多模图像配准一直是医学图像处理领域研究的热点,而智能优化算法是影响配准算法性能的一个关键因素,很少有学者对常用智能优化算法的特性进行深入的分析。文章以二维CT和PET图像为数据源,互信息为测度函数,分别对禁忌搜索、模拟退火、遗传、进化规划、粒子群以及蚁群等六种智能优化算法进行了实验,具体从配准误差、算法耗时和收敛速度对优化算法的性能进行定量评估,并综合评价它们的优缺点。实验结果表明:文章研究对多模医学图像配准中的优化算法的选择具有较好的参考价值。

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。

基于局部小波模式和一致性点漂移的多模医学图像配准

为提高多模医学图像配准的速度、精度和鲁棒性,本文提出一种基于局部小波模式(LWP)和一致性点漂移(CPD)的多模医学图像配准算法。首先提取图像稳定特征点,然后通过局部小波分解编码8邻域信息;接着变换中心像素值,使中心点像素构成的向量取值与小波分解向量取值范围相一致,通过比较中心像素变换向量与小波分解向量计算LWP描述子;最后把结合高斯混合模型后验概率和负对数似然函数的函数作为目标函数,利用一致性点漂移算法进行模型参数估计和空间变换。实验结果表明在图像存在噪声、灰度不均匀和初始误配的情况下,LWP-CPD算法的鲁棒性、配准精度和计算复杂度都达到很好的效果。

基于分块互信息的图像配准

针对传统互信息缺乏利用空间信息而容易导致误配的缺点,提出了基于分块互信息的多模图像配准方法,并运用于可见光与红外图像之间的配准。该方法首先将可见光与红外图像分块,求得每个可见光与红外图像块对的互信息,并由块对中可见光与红外图像的质心间的距离为参数,确定块对的配准系数,求得每个块对的互信息与配准系数的乘积的和,定义为分块互信息,并以此为配准准则。实验表明,该方法运用与可见光与红外光配准,在配准精度上优于传统互信息方法。

基于MRI和CT图像配准的颅内电极定位方法

目的应用多模医学图像配准,在颅内电极埋置术后对颅内电极进行精确定位。方法通过对颅内电极埋置前的头颅MRI图像和埋置后头颅CT图像进行配准,利用医学影像配准与分割工具包(ITK),将颅内电极位置准确地定位在MRI图像上,以建立电极位置与大脑解剖结构的联系。结果经过对10组断层图像进行配准定位,差值图像显示匹配程度较好,专家目测融合效果较为精确。在普通PC机上,以笔者所采用的数据为例,设定优化器初始步长为1,松弛因子为0.6,最小步长为0.000 2,最大迭代次数为100,整个电极定位的操作过程时间不超过1 min。结论多模医学图像配准对颅内电极定位较为准确,为医生提供了更加直观和完善的信息。

颅内电极定位中的Zernike矩快速算法研究

目的减少颅内电极定位中多模图像Zernike矩的配准耗时,提升其配准精度。方法用几何中心法和Hough变换法对人脑CT和MRI图像进行几何参数和配准区域的计算,并根据人脑结构特点建立模型对算法有效性进行测试。本文分别应用骨架算法、颅骨提取法、腐蚀联合大津阈值法、边缘增强法、边缘增强联合腐蚀法、Bottom hat法、Sobel边缘提取法对人脑CT和MRI图像进行预处理。结果对于模型图像,Hough变换法和几何中心法测得的质心与实际质心坐标分别相差±1个像素和±5个像素,主轴误差范围均<3%。对于CT和MRI图像,几何中心法的计算结果更优,其质心点和主轴的计算误差范围分别可控制在周围5邻域内和±6%内。结论几何中心法和Hough变换法均能够很好地计算出模型图像几何参数和配准区域。对于CT和MRI图像,几何中心法的计算效果较好,Hough变换法的计算效果有待提升。