基于混合互信息和改进粒子群优化算法的医学图像配准方法

为满足医学图像辅助诊断与治疗的需要,提出一种基于混合互信息和改进粒子群优化算法的医学图像配准方法。在每次迭代时,首先使用基于Renyi熵的改进粒子群优化算法对图像进行全局搜索,再使用基于Shannon熵的Powell算法对当前得到的最优解进行局部寻优。实验图像为60幅模拟图像和10幅临床图像,对70幅图像进行单模态和多模态的医学图像配准实验,所提出算法的单模态医学图像配准结果均达到亚像素级。在多模态医学图像配准实验中,采用5种性能指标,评价配准结果的质量。同3种医学图像配准算法进行比较,结果显示新算法除计算时间外,其他4项指标均为最优,MI指数、NMI指数和CC指数的均值分别为1.338 6、1.363 1和0.837 8。主观和客观分析显示,所提出算法在精确度和收敛速度方面均优越于其他配准算法。

基于二阶广义全变差的多帧图像超分辨率重建

图像超分辨率重建是图像处理领域的重要问题.本文将二阶广义全变差用于基于正则化的多帧图像超分辨率重建问题,构建了基于二阶广义全变差正则项的图像超分辨率模型.为了更好地保持重建图像的边缘和细节,采用图像空域自适应正则化参数,并针对该重建模型的非光滑性,给出了基于半二次正则化和交替方向法的求解算法.实验结果表明该模型和数值算法能够较好地提高图像的分辨率,同时可以较好地保持图像的细节信息.