利用高维互信息的多模态医学图像配准

互信息相似性测度在多模态医学图像配准中获得了广泛的应用,然而其不足之处在于没用充分利用图像固有的空间信息。针对这一不足,提出了利用图像邻域信息的高维互信息配准方法。首先用图像像素及其邻域构成高维向量的集合,然后利用基于最近邻的熵估计法来估计集合的高维熵,并采用近似最近邻搜索算法来加快高维熵的计算。实验结果验证了新的相似性测度的有效性。

基于轮廓特征点最大互信息的多模态医学图像配准

提出了一种基于轮廓特征点最大互信息的多模态医学图像配准方法,并将粒子群优化算法(PSO)和Powell算法相结合以一种组合的全局优化算法(PPSO)来求取最优配准变换参数。实验结果表明,该方法具有配准精度高、速度快、鲁棒性强等特点,是一种有效地全自动配准方法。

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。

基于互信息的多模态医学图像配准技术研究

分析了互信息配准的物理基础和配准原理,提出了利用差图像熵的互信息测度,对多种具有代表性的互信息测度进行了比较,并用邻域信息对差图像互信息进行了改进。试验结果表明,与空域信息相结合的互信息测度具有更好的抗噪性。

基于互信息的多模态医学图像配准研究

由于基于互信息的图像配准方法具有自动化程度高、配准精度高等优点,本文利用这一优点,根据图像配准的基本步骤设计出一个基于互信息的多模态医学图像配准算法。首先是采用三线性插值方法对图像进行插值处理,然后利用Powell优化算法,根据互信息值来判断Powell算法所获得的参数是否是最优参数解。最后仿真实验证明了该算法的有效性。

用分层互信息和薄板样条实现医学图像弹性自动配准

提出了一种基于分层互信息和薄板样条自动确定标记对应点的选取方法,将图像按照由粗到精的原则,将每个图像分成若干个对应子块进行配准后,在每个子块图像中按照一定规则选取两个对应点,实现图像弹性自动配准·实验结果表明,该方法是一种理想的非刚性图像自动配准方法·

基于互信息的医学图像配准技术研究进展

基于互信息的图像配准方法具有自动化程度高、配准精度高等优点,已被广泛应用于医学图像的配准。详细地介绍了互信息的基本概念、归一化互信息、互信息计算中常用的变换模型、插值方法、优化算法及提高配准速度策略等。同时对互信息在配准技术中存在的问题及解决方法进行了系统地介绍,最后对今后互信息的研究工作作了展望。

基于经验模式分解和互信息的多模态图像配准

基于互信息的配准方法是目前多模态图像配准研究中的热点。提出了一种基于经验模式分解后剩余图像和互信息的多模态图像配准方法。首先通过理论分析得出通过求解剩余图像之间的变换参数即可获得原始图像之间的变换参数,从而论证了二维经验模式分解(BEMD)应用于多模态图像配准的可行性,然后给出了图像配准方法的实现步骤。典型多模态图像配准实验结果表明此方法与传统互信息法和基于小波分解结合互信息的方法相比,旋转角度估计误差可以降低1个数量级,缩放参数的估计误差也有很大降低。表明该方法获得了更高的配准精度。

基于特征点Rényi互信息的医学图像配准

针对医学图像配准有鲁棒性强、准确性高和速度快的要求,文中提出一种基于特征点Rényi互信息的医学图像配准算法.起初从模板图像与待配准图像中依次提取出多尺度特征点,其次使用其空间坐标计算特征点Rényi互信息目标函数,实现图像配准.该算法有效地避免了多模噪声图像间的灰度差异影响,减少了待处理的数据量,同时使用Rényi互信息来消除目标函数所受的局部极值的影响,进一步提高了配准精度.实验证明该算法适于单模和多模医学图像配准,速度较快、精度高、鲁棒性强,是一种有效的自动配准方法,并且具有较好的临床应用价值.

基于互信息的医学图像配准实验

基于互信息的配准方法 ,包括互信息和归一化互信息方法 ,是目前医学图像配准中无创、自动且精度很高的一种方法 ,已经被广泛应用。但是在其目标函数中存在着一定程度的幅值振荡现象 ,特别是在单模态图像配准中。我们研究发现 ,产生这种振荡的原因除了插值赝像外 ,还有由配准过程中图像重叠部分发生变化而引起的熵的变化不确定性。由插值赝像所带来的振荡基本上可以被消除掉 ;由熵的变化不确定性所带来的振荡很难被消除 ,但是这种振荡作用在归一化互信息中影响不大。归一化互信息比互信息具有更高的稳健性 ,适合于更广的应用范围。

基于形状特征点最大互信息的医学图像配准

定义了基于形状特征点的互信息计算公式 ,提出区域增长结合动态聚类算法的形状特征点提取方法 .在使形状特征点互信息最大化完成医学图像配准的过程中 ,引入人机交互 ,缩短了优化过程 ,避免了局部极值 .提出的配准策略具备临床实用性 。

基于边缘特征点互信息熵的医学图像配准方法

基于互信息熵的图像配准方法已经被广泛应用于医学图像配准中,为克服互信息配准方法的不足,结合图像空间结构信息,本文提出一种基于边缘特征点互信息熵的医学图像配准方法,设计了包括互信息熵、图像空间结构和形状特征点等多信息融合的配准新测度。算法首先采用改进的形态学梯度提取医学图像边缘轮廓;然后构造了以边缘区域特征和梯度信息为基础的特征点互信息能量函数,并通过最小化能量函数来获取配准参数;最后,结合梯度下降法优化策略,实现图像配准。实验研究表明,该方法在保证了配准精度的同时,配准速度较快、鲁棒性较好、综合性能优良,具有一定的临床推广价值。

基于互信息和模拟退火算法的多模式医学图像配准

目的 实现 CT- MR多模式医学图像配准 .方法 提出了一种基于互信息和模拟退火算法的医学图像配准方法 .对多模式医学图像 ,运用信息论的基本概念“互信息(MI)”作为匹配标准 ,使用改进的模拟退火算法作为优化准则 ,通过求解两幅图像的最大互信息量搜索出最佳匹配参数 ,对待配准图像进行变换 ,从而达到配准的目的 .结果 我们把此方法应用于 CT和 MR图像的三维刚性配准 ,取得了较好的配准效果 .结论 该方法匹配精度和鲁棒性比较高 ,其中模拟退火算法克服了其他搜索算法容易陷入局部极大值的弊病 。

基于最大互信息的医学图像配准算法

本文提出一种新的基于轮廓提取和最大互信息理论的医学图像配准的算法。该算法克服了在配准过程中存在鲁棒性因素、出现误配情况及互信息单一的利用图像灰度信息的局限性,将边缘检测与互信息相结合,提高了原有算法的性能,可较准确地完成图像配准任务。本文并对提出的配准算法进行了Matlab仿真实验,对仿真结果进行分析。

基于互信息非刚性医学图像配准的方法

提出了一种基于互信息的对非刚性三维医学图像进行弹性配准的方法．用２Ｄ联合直方图法计算两幅图像重叠部分的图像灰度之间的互信息，使之最大化，从而实现两图像之间的全局仿射配准．然后将两幅图像的重叠部分均分成互为重叠的体积子块，再最大化每对对应体积子块图像灰度之间的互信息，实现每对对应子块的局部刚体配准，并将每个子块的中心作为一一对应的控制点．利用这些均匀分布的控制点对结合薄平板样条插值法实现图像的全局非刚性弹性配准．实验结果表明，该算法可以有效地实现三维图像全局弹性配准，但计算时间较长．

医学图像配准中的一种互信息快速计算方法

基于互信息的医学图像配准,可以达到亚像素级精度且无需提取图像的解剖特征,是一种高精稳健的配准方法。但其中频繁的互信息计算使配准速度很慢,不能满足临床的实时要求。提出一种基于统计直方图灰度压缩的互信息加速计算方法,能显著减少灰度级,加快互信息计算,从而加快配准速度。实验表明,该方法能在不影响配准精度的前提下显著缩短配准时间。

基于互信息的医学图像配准中互信息的计算

基于互信息的配准方法是医学图像配准领域的重要方法。互信息是图像配准中常用的相似性度量,具有鲁棒、精度高等优点,但基于互信息的配准计算量大,制约了它的实际应用。我们采用基于多分辨率和混合优化策略的配准方法,在图像的不同灰度等级数下进行配准,分析了互信息的计算量与灰度等级数的关系,并用人头部的MRI图像和CT图像做了二维的单模模拟实验和多模实际配准实验,结果显示在灰度等级数为32和64时,与灰度等级数为256时相比,配准精度没有明显改变,而计算量下降显著。

基于小波变换和互信息的医学图像配准

为提高医学图像配准效果,提出了一种基于小波变换和互信息的配准方法。该方法首先通过小波变换将图像分层,并用小波分解的近似分量从最顶层开始搜索,同时以添加边界约束条件的下降单纯形法为搜索策略,而以搜索结果作为下一层搜索的粗略位置;然后逐层细化,以实现由粗到细的搜索过程;同时,针对不同的分解层采用不同的配准方法,即下层引入结合空间信息的区域互信息(RMI)为相似性测度,而上层采用PV插值法,以避免陷入局部极值。最后将此法应用于加噪MR图像单模配准、PET图像单模配准和MR-PET图像多模配准的。实验结果表明,该方法可以得到精确、有效的配准结果。与传统方法相比,该方法不仅配准精度高、抗噪性能好,而且计算效率高。

基于互信息的医学图像快速准确配准策略

对CT和MRI图像进行配准,利用主轴法配准速度快、鲁棒性较高、易实现的特点,计算图像的初始平移量和旋转量,对图像进行粗配准。以粗配准的结果作为新的浮动图像,在基于互信息方法的图像配准中,由于目标函数产生局部极值的原因,采用模拟退火-单纯形的混合优化算法,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,采用由粗到细的配准策略,配准精度高,并且混合优化算法克服了单一优化算法的速度慢、易陷入局部极值的缺点,并且不需要人为调整待配准图像的分辨率,自动化程度高,配准速度快,能够满足脑图谱开发过程中的多模图像配准要求。

一种改进的最大互信息医学图像配准算法

给出了一种基于最大互信息和边缘互方差的医学图像配准算法.这种算法是在计算原始图像互信息之后,引入参考图像和浮动图像的边缘互方差值,从而建立起一个新的测度函数来指导寻优过程,最终实现图像配准.与传统的最大互信息配准算法相比,避免了单纯依赖图像联合直方图所造成的不稳定性,使配准能更加符合图像的特点.实验证明,这种改进算法有以下优点:配准参数曲线峰值尖锐,易于选择出最优值;在图像灰度缺失的情况下配准有较高的准确性;在噪声方差增大的情况下配准有较强的鲁棒性.