互信息医学图像配准中PV插值算法的改进

基于互信息的医学图像配准算法中,传统的部分体积插值法(PV)使互信息函数在像素整数倍位移处产生局部极值,使优化算法陷于局部最优解,从而导致错误配准。提出用Blackman-Harris窗sinc函数作为核函数,对传统PV插值法进行改进,同时将参与插值的邻域点从4个增加到16个,有效消除了局部极值,得到了光滑的互信息函数曲线。具体配准实验证明,该方法可行,且有更高的鲁棒性。

基于交叉累计剩余熵的图像配准中插值方法的改进

交叉累计剩余熵(CCRE)比传统互信息在配准强噪声图像时更具优势,但采用部分体积(PV)插值的CCRE在网格点容易产生局部极值,不利于变换参数的优化。针对该问题,研究基于3阶B样条函数的PV插值(BPV)、哈宁窗sinc函数的PV插值(HPV)和Blackman-Harris窗sinc函数的PV插值(BHPV)方法在CCRE中的应用,提出一种新的插值方法。该方法采用灵活的邻域中心,将插值点对联合直方图贡献的权重分散到临近的9个点上,并使用高斯函数作为PV插值的核函数,避免权重突变。实验结果表明,与BPV,HPV和BHPV插值方法相比,该方法对噪声图像的配准率较高,配准速度较快,更适合应用于CCRE的计算。

基于改进的PV插值和遗传算法的木材CT图像配准

对传统的部分体积插值算法和标准遗传算法进行改进,并利用改进后的遗传算法搜索最大互信息以获得最佳配准参数.实验证明,该算法计算简单,配准速度快,具有很好的精确性和鲁棒性.

基于改进PV插值和混合优化算法的医学图像配准

基于互信息的医学图像配准算法近来获得了广泛的应用.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象素整数倍位移处的局部极值,有可能导致误配准.本文提出了基于B样条函数的部分体积插值方法,有效地减少象素整数倍位移处的局部极值;在优化互信息函数的时候先使用遗传算法将配准参数收敛到最优值附近,然后使用Powell方法进行局部搜索,避免误收敛.实验表明,本文提出的算法具有更好的精确性和稳定性.

基于最小概率距离和改进PV插值的图像配准

提出一种基于最小概率距离和改进部分体积(PV)插值的图像配准方法。采用Powell优化算法迭代搜索对称KL距离的最小值,获取最小概率距离,将其作为配准测度,并利用改进的PV插值算法提高图像配准的鲁棒性。实验结果表明,与基于互信息的图像配准方法相比,该方法能有效地减少耗费时间,提高配准精度。

基于Harris角点和最大互信息的多模医学图像配准

介绍了一种基于最大互信息原理的图像配准技术。针对基于最大互信息图像配准的不足,研究了基于Harris角点算子的多模态医学图像配准。在计算互信息的时候,采用部分体积插值法计算联合灰度直方图。在优化互信息函数的时候,采用了改进的遗传算法将配准参数收敛到最优值附近。实验结果表明,该方法具有较高的配准精度和稳定性。

基于交叉累计剩余熵的多谱磁共振图像配准

针对传统互信息(MI)图像配准容易产生局部极值的问题,提出一种基于交叉累计剩余熵(CCRE)的多谱磁共振图像配准方法。首先,将参考和浮动图像压缩至5位和7位灰度级;然后,采用哈宁窗Sinc插值计算5位灰度图像的CCRE,并用Brent算法搜索CCRE得到预配准的变换参数;最后,从该变换参数出发,采用部分体积(PV)插值计算7位灰度图像的CCRE,用Powell算法进行优化,得到最终的变换参数。实验结果表明,该方法的鲁棒性相比直接采用PV插值的CCRE配准得到提高;配准时间比直接采用哈宁窗Sinc插值的CCRE配准节省了90%左右,且配准精度有所提高。该方法兼顾了鲁棒性、效率和精度,适合用于多谱图像配准。

改进的基于最大归一化互信息的医学图像配准算法

作者提出了一种基于最大归一化互信息的医学图像配准算法。该算法利用改进的部分体积插值法进行插值计算,有效地克服了图像配准中常见的局部极值问题。该算法利用最大互信息作为目标函数,POWELL优化搜索算法搜索一个最大互信息量从而获得最佳配准参数。实验证明,该算法计算简单,配准速度快,具有更好的精确性和鲁棒性。

加权熵互信息在医学图像配准中的应用

基于互信息的医学图像配准方法具有自动化程度高、配准精度高等优点。采用部分体积插值法和香农熵计算得到的互信息,无法避免会出现一些局部极值,可能导致错误的配准。提出了一种用加权熵代替香农熵的互信息计算方法,并将其应用于图像配准实验。实验结果表明,该方法能够有效平滑互信息的局部极值,减少错误的医学图像配准。

引入高斯函数的互信息法多模态图像配准

目的:最大互信息作为相似度测量在医学图像配准中已被广泛应用。在计算图像互信息时,为了避免引入新的灰度值一般采用部分体积插值统计两幅图像的联合直方图。但用该方法计算中,当图像平移整数点时,统计联合直方图会出现缺陷,使目标函数出现局部极值,从而造成误配准。方法:将高斯函数引入到直方图统计中,选取适当的邻域,用高斯函数计算邻域内各点像素对联合直方图的贡献。利用高斯函数的平滑性,避免了在互信息计算过程中统计图像联合直方图时出现误差。使用Powell优化方法,寻找最佳的优化参数,实现图像的最佳配准。结果:采用CT-PET数据进行实验,该方法平滑了目标函数,有效地消除了局部极值,提高了多模态图像配准的精确性,并且,对噪音图像配准也产生很好的效果。结论:该方法适用于多模态医学图像配准,克服了传统互信息计算时的不足,提高了配准的正确率和精确度。

基于互信息技术和遗传算法的数字图像配准

介绍了一种基于最大互信息原理的图像配准技术。并针对基于最大互信息图像配准的不足,研究了基于Harris角点算子的多模态医学图像配准。在计算互信息的时候,采用部分体积插值法计算联合灰度直方图。在优化互信息函数的时候采用了改进的遗传算法将配准参数收敛到最优值附近。实验结果表明本方法具有较高的配准精度和稳定性。