一种改进的基于互信息和梯度特征的图像配准方法的研究

基于互信息的配准方法广泛应用于医学图像的配准,但当两幅待匹配图像重叠部分较少或图像包含的信息不够充分时,配准目标函数会出现较多的局部最优解而影响匹配精度。本文构造了新的配准目标函数,在互信息的基础上引入图像梯度信息,使两者相互补充,减少了目标函数中局部最优解的数目,突出了全局最优解。本文还设计了一种新的基于单纯形的模拟退火优化算法,该算法能以较大的概率迅速搜索到目标函数的全局最优解,以获得较满意的配准结果。本文使用该方法对二维医学图像进行配准,实验结果表明,该方法配准速度较快、精度较高,是一种有效的配准方法。

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 。

基于互信息和混合优化算法的多模医学图像配准

针对互信息函数的多极值问题,提出了一种基于混合优化算法的多模医学图像配准方法.对于多模医学图像,以互信息作为相似性测度,使用混合优化算法搜索出最佳配准变换参数,将待配准图像进行变换,从而达到配准的目的.实验表明,该算法能避免陷入局部最优值,配准结果精度达到亚像素级.

基于模拟退火-单纯形法的目标函数的优化

分析了在基于互信息方法的图像配准中,目标函数产生局部极值的原因,提出以模拟退火单纯形法作为优化策略,该方法利用了单纯形法的一种修改后的形式作为模拟退火中随机变化的发生器.此外还添加了新的边界约束处理环节,最后将本方法同Powell法和边界约束采用撞壁法时的模拟退火单纯形法的实验结果做了对比,表明本方法具有更好的精确性和稳定性.

基于互信息和模拟退火——单纯形法的多谱段图像配准

不同传感器获得的图像往往没有进行空间配准,或需要融合的图像是传感器在不同时段获得的图像,因此在进行融合之前必须进行图像的配准。论文采用互信息作为相似性测度,同时针对互信息方法目标函数的局部极值问题,选用合适的直方图级数,以降低局部极值,并提出以改进的模拟退火——单纯形算法作为优化策略进行图像配准。实验证明该算法取得了较好的效果。

基于差异进化算法的医学图像配准方法

基于互信息的医学图像配准是一种目标函数的优化问题,但传统优化方法往往由于目标函数收敛到局部极值而导致错误的结果.该文将差异进化算法引入到医学图像配准中,利用其收敛特性避免互信息测度优化陷入局部极值,实现了多模态医学图像的配准.实验数据表明,以互信息测度为目标函数的医学图像仿射配准中,差异进化算法优于Powell算法和模拟退火算法.

基于改进模拟退火算法的医学图像配准

基于互信息的图像配准方法被广泛应用于医学图像配准,但其目标函数常常存在许多局部极值,干扰配准结果。提出了改进的下降单纯形—模拟退火混合算法。利用快速的下降单纯形法作局部搜索获得局部极值,再利用具有全局优化能力的模拟退火法来获取全局极值,从而实现CT-MR多模医学图像配准。实验表明,该混合算法与传统的单一算法相比,配准精度高,速度快。

基于改进的互信息结合边缘互方差的医学图像配准方法研究

研究了灰度多模医学图像配准中广泛使用的最大互信息方法,在此基础上,又研究了边缘图像的互方差配准原理,并将其引入到原始图像的互信息中,综合互信息和边缘互方差对图像配准的目标函数作了改进,定义了一个新的测度函数.通过使用Powell算法和模拟退火混合优化算法对目标函数进行寻优,得到了配准变换参数,最终对图像实现了配准.这种方法既利用了原始图像的灰度互信息,又利用了边缘图像在二维水平面上像素间的关系,起到了补偿互信息缺陷的作用,提高了配准的精度.通过Matlab仿真实验证明这是一种有效的医学图像配准方法.

fMRI时间序列图像的配准测度及其相关优化方法

随着脑功能成像技术的迅速发展,人们对fMRI时间序列图像的配准问题也越来越重视.通过配准测度的建立,图像的配准问题最终被归结为数学上的多参数优化问题.本文综述了目前较常用的配准方法,介绍了基于灰度值的图像配准的差值平方和测度与互信息测度以及求解它们的优化方法:阻尼Gauss Newton法、有记忆功能的模拟退火算法、改进的Powell算法和一类新的进化策略算法.这四种算法各有特点能有效地找到最佳配准参数,配准精度较高,且能收敛到全局最优点.

一种基于互信息与梯度的图像精确配准方法

提出一种利用基于梯度加权的灰度归一化互信息相似性测度,并采用凹函数递减的权衡比重的粒子群优化算法作为搜索策略的多模图像精确配准方法。传统的基于灰度互信息配准方法往往只考虑灰度相关性,忽略或不当引入图像空间特征信息,配准容易陷入局部极值,从而出现误配。将灰度与梯度特征有效融合,即梯度加权到灰度互信息中,同时考虑了2幅图像的灰度统计相关性和图像空间特征信息,提高了多模图像配准的精度与稳定性。通过对遥感图像的拟配准与MR-PET医学图像的实际配准,证明了该方法效果良好,算法稳定,配准的准确率和参数精度都得到明显的提高。

改进混合策略的多分辨率3D医学图像配准

基于混合策略的多分辨率算法是当前3D医学图像刚体配准中普遍采用的方法,不过其仅仅是优化算法的混合。通过研究不同分辨率对一阶互信息(常称为互信息)和二阶互信息配准的影响,在二级多分辨率策略的配准中,各级采用相对更适合的相似性测度,提出了混合优化算法和混合测度的改进算法。实验表明,改进算法在配准精度上达到了亚体素级,且明显优于基于单一测度的算法,在配准速度上远远快于基于二阶互信息单一测度的算法,略慢于基于一阶互信息单一测度的算法。

鲍威尔和模拟退火优化算法结合的多分辨率三维图像配准

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。现将互信息作为相似性测度 ,采用模拟退火与鲍威尔相结合的多分辨率搜索优化策略 ,对临床使用的三维CT、MR图像进行了刚体配准。实验结果表明此方法能有效地防止优化陷入局部极值 ,具有良好的实用性。

Powell和SA混合优化的互信息图像配准

基于互信息的图像配准方法具有鲁棒性强、配准精度高等优点,已被广泛应用于医学图像的配准。但计算互信息涉及大量的浮点运算,且搜索最大互信息时容易陷入局部极值。本文提出了一种基于Powell算法和模拟退火算法的混合优化方法。实验结果显示,该优化算法提高了搜索全局最优解的速度,限制了局部极值,而且提高了配准精度,达到亚像素级。

一种互信息与梯度信息结合的多模图像配准方法

数字化X射线图像(digital radiography,DR)与数字重建放射图像(digitally reconstructed radiography,DR)属于不同模态图像,实现二者的高精度快速配准是一个技术难题。在实际应用中,往往会同时获取物体的正侧面DR和DRR图像。提出一种基于互信息与梯度信息相结合的配准算法。首先,对正侧面图像进行小波分解,获得低分辨率子图像并配准,使用粒子群优化(particle swarm optimization,PSO)算法进行全局寻优;然后,根据配准结果,判断互信息与梯度信息配准结果是否正确,如果配准错误,则在下一阶段中不使用该结果作为配准依据;最后,以PSO算法寻优结果作为Powell算法的寻优初始点,对原始正侧图像进行精确配准。实验结果显示,本算法快速完成配准,配准精度达到2 mm,满足实际应用要求。

基于互信息的多光谱图像配准

研究了多模态医学图像配准的一种 ,即多光谱图像的配准 ,分析了该配准存在的困难 :运算量巨大 ,速度较慢 ,占用内存多 ,提出了用parzen窗口函数来估计概率密度 ,以及用样本平均来估计熵 ;在搜索策略上采用了快速有效的模拟退火算法。实验证明 ,本文的方法很好地解决了多模态配准中存在的问题 。

“针孔”模拟成像下的单航空影像与LiDAR点云配准

以摄影测量共线方程为严格配准模型,提出了一种引入针孔成像模拟过程的单张航空影像LiDAR点云配准迭代方法,共分为3个阶段:第一,利用航空影像内参数及初始外方位元素对LiDAR点云针孔模拟成像,生成与航空影像空间分辨率、几何形变相接近且具有相同幅面大小的透视影像-LiDAR深度影像;第二,以梯度互信息作为影像相似性测度依据,实施影像金字塔、分块处理策略实现LiDAR深度影像与航空影像几何变换参数快速估计,进而依据估计参数及LiDAR深度影像、激光脚点投影关系建立LiDAR点云航空影像概略相关;第三,以LiDAR点云影像概略相关下的近似同名像点为观测值,以像点梯度互信息为权重,实施摄影测量空间后方交会计算获得优化的影像外方位元素,生成新的LiDAR深度影像并重复上述过程,直至满足给定的迭代计算条件,实现单张航空影像与LiDAR点云数据的自动空间配准。实验表明,本文方法配准精度达亚像素级且自动化程度高。

基于IPSO和综合信息的医学图像配准新方法

针对医学图像配准中采用互信息作为配准相似度函数存在配准精度不高和收敛速度慢等问题,根据图像灰度和空间结构信息,构造了一种新的基于互信息和改进型形态学梯度算子的信息配准测度函数,采用一种适用于医学图像自动配准的改进型粒子群优化(IPSO)算法,给出了一种新的基于IPSO的医学图像配准算法。实验结果表明,该配准算法稳定性好、收敛速度快,在多模态医学图像自动配准中是可行的。