基于一种改进的Powell算法和互信息的医学图像配准方法
改进的二阶互信息医学图像配准算法的研究
改进的二阶互信息医学图像配准算法的研究摘要：针对人脑的二维图像设计了一种改进的遗传算法和二阶互信息相结合的医学图像配准算法，采用互信息配准模型，以图像的灰度统计信息为配准依据，采用改进的遗传算法搜索图像的最优变换参数，并比较一阶互信息配准与改进的二阶互信息配准两种算法，实验表明改进的二阶互信息配准方法具有较高的配准精度和稳定性。
关键词：图像配准；遗传算法；一阶互信息；二阶互信息0 引言随着配准技术的发展，医学图像配准在医学图像处理中的地位日益重要，它是众多医学图像应用中不可或缺的一个步骤。
而将互信息应用于图像配准自首次提出来后便得到了广泛的关注，经过几十年的发展，在一些地方已经投入了临床使用。
虽然在大多数情况下，采用互信息配准技术可以得到较好的配准结果，但它并不是一种完美无缺的方法，在准确性、鲁棒性、速度等方面都还有待改进，这是因为互信息函数值并不是分布较好的凸函数，存在着较多的局部极值。
基于此，本论文尝试对互信息进行一些有效的改进，在一阶互信息的基础上，致力于对二阶互信息图像配准的创新研究，以达到较好的配准结果。
在优化算法上，采用遗传算法，这是一种借鉴生物界自然选择和遗传机制的高效的随机搜索算法，由于具有很好的鲁棒性和隐含并行性，使得它能够有效地进行全局搜索，从而可以克服局部极值，获得全局最优解。
但是，采用简单遗传算法对问题进行优化搜索时，大量适应度低的淘汰过程，以及二进制编码和解码都减缓了算法的搜索速度，而某一代种群中个体适应度差别不大时会减小搜索区域使搜索落入局部最优解而过早收敛。
针对简单遗传算法的这些缺陷，本文对传统的遗传算法进行了改进，以提高配准的速度，克服早熟。
1 互信息1.1 一阶互信息熵是用来测量一个信息源所包含信息量的测度。
图像的一阶熵是基于图像的每一个像素点的灰度概率分布得到的，其计算公式如下：H(A)=- ∑xP\-A(i)log\-AP(i)(1)联合熵则是A和B相关性的统计量。
基于混合优化算法的医学图像配准方法
基于混合优化算法的医学图像配准方法别术林;刘杰;唐子淑;邱禧荷【摘要】Image registration algorithm based on mutual information has high complexity and low speed.To solve the problem , a new image registration method based on improved genetic algorithm and Powell algorithm is proposed in this paper .Considering the shortages of the standard genetic algorithm , such as prematurity and slow convergence that may result in mismatching , in this paper , we improve the crossover operation of the genetic operations .At the same time , we combine the improved genetic algorithm and Powell algorithm.The method makes full use of the global search capability of genetic algorithm and the local search capability of Powell pared with Powell algorithm and the traditional genetic algorithm , this algorithm we proposed can effectively improve the image registration velocity and noise immunity .%基于互信息的图像配准算法计算复杂度高，配准速度慢。
基于互信息的医学图像配准中的优化算法的改进
Ｅ－ｍａｌ ｅ ｆ Ｃ Ｃ ．ｅ ．ｎ ｉ： ｄｕ ＠ Ｃ Ｃｎ ｔｃ
Ｃ ｍｐ ｔｒ ｎｗｅｇ ｎ ｅｈ ｏｏｙ电脑 知 识 与技术 ｏ ｕｅ ｏ ｌｄｅａ ｄＴ ｃｎ ｌ Ｋ ｇ
Ｖｏ ．， ．６ Ｊ ｎ ０１ ． １８ Ｎｏ１ ， ｕ ｅ２ ２
摘要 ： 究 了基于互信息测度的 医学图像配 准方 法， 出了一种优化算 法的改进 。 目的 旨在 于解决配准的精 度和在基于互信 息配 研 提 准过 程 中的效率 问题。提 出的优化算 法是将拟 牛顿方法运用于 多模 医学图像配 准中。实验 结果说 明这种改进的方法能有效提 高
配准的精度和效率 问题 ， 并得到好的实验 效果 。
Ｕｎｖ ｒ ｔ ， ａ ｇｈ ｕ ５ ０ ０ ， ｉａ ｉｅ ｉ Ｇｕ ｎ ｚ ｏ １ ０ ６Ｃｈｎ） ｓｙ
Ａｂ ｔａ ｔ ｓｒ ｃ：Ｔｈｓｐ ｐ ｒｐ ｅｅ ｔ ａｎ ｖ ｌＯｐｉ ｚ ｄｍｅｈ ｄｆｒｍｅ ｉａ ａｅｒｇｓ ａｉｎ ｔｅｐ 印 ｏｅｉ ｔ ｏｖ ｒ ｂｅ ， ｉｈ ａｅ ｔｅ ｉ ａ ｅ ｒｓｎｓ ｏ ｅ ｔｍｉｅ ｔｏ ｏ ｄｃｌｍ ｇ ｅ ｉ ｒｔ ， ｈ ｕ ｓ ｓ ｏ ｓｌｅｐｏ ｌｍｓ ｗｈｃ ｒ ｈ ｉ ｔ ｏ
１ 熵 与 互信 息 ． １
熵是信息论 中的一个概念 ， 是系统复杂性和不确定性 的测度 。香农在 １４ 年提 出了熵 的概念 ， 以度量通信过程 中心信息源 ９８ 用
ｗｈｃ ｅ ｅ ｐ ｒｃ ｉ ｎｏ ｒｇ ￣ ｉｎ ｃｎ ｓｌ ｅ ｒｂｅ ｏ ｈ ｇ ａ ｕａ ｏ ， ｎ ｈｅ ｅ ｏ ｄｅ ｅ ｔ ｉ ｄ ｖ ｌ ｓ ｅ ｉｏ ｆ ｅ ｓ ｏ ， ａ ｖ ｔ ｏ ｌ ｈ ｏ ｐ ｓ ｉ ｏ ｅｈ ｐ ｍ ｆ ｕ ｅｃ ｃ ｌ ｉｎ ａ ｄ ｃ ｉ ｏ ｃ ． ｌ ｔ ａ ｖ ｇ ｆ ｓ
基于互信息的医学图像配准中的优化算法
但 遗 传 算 法 存 在 着 明 显 的缺 点 ， 在 经 常 实验 的 传统 遗 传算 法 的进 化 即 从 医学图像配准（ｅ ｉａ ｉ ｇ ｅｉｒｔ ｎ与 图像 融合技术是 近年 过 程 中 ，交 叉 算 子 产 生 新染 色体 的能 力 和 种 群 的多 样 性 不 断降 低 ， ｍ ｄｃｌｍａｅｒｇ ｔ ｉ ） ｓａｏ 出现 “ 早 收 敛 ” 过 问题 。 文献 ［ 用 一 种改 进 的 自适 ８ １ 采 来 在 医 学 图像 处 理 领 域 中 的热 门研 究 方 向之 一 。 图像 配 准是 图像 融 合 而 容易 陷入 早 熟 ， 对 很 过 和 进 行 多模 态 图像 分 析 的 基本 问题 。近 年 来 ， 学 图 像 配 准 技 术 有 了 应 遗 传 算 法 ， 医学 图 像 进 行 配 准 ， 好 的 克 服 了遗 传 算 法 “ 早 收 医
能够记 住搜索过程中遇到 的最好 结果 ， 当退 火结束时 ， 将所得最终解 ＩＡ， ＝ Ａ） 日（ 一 Ａ， ＝ （ Ｂ） 日（ ＋ Ｂ） Ｈ（ Ｂ） 日 Ｔ 在 医学 图像 配 准 中 ．虽 然 两 幅 图像 可 能 来 自不 同的 成 像 设 备 ， 但 与 记 忆 器 中 的 解 比较 并 取 较 优 者 作 为 最 后结 果 。并 用该 法 对 Ｃ 和
新 的 进 展 ， 大 互 信 息 法 是 目前 应 用 较 多 的 一 种 方 法 ， 配 准 精 度 一 敛 ” 问题 ， 得 了 良好 的效 果 最 其 的 取 ３４模 拟 退 火 法 简 称 Ｓ 法 ， 受 到 固体 退 火 过 程 的 启 发 而提 出 ， Ａ 是 般高于基于分割的方法 ， 由于 该 方 法 不 需 要 对 图 像 做 分 割 、 征 处 理 特 等 预 处 理 ， 乎 可 以 用 于 任 何 不 同模 式 图 像 的 配 准 ． 具 有 较 强 的 鲁 的 一种 全 局 优 化 方 法 ， 拟 退 火 算 法 在 某 一 初 温 下 ， 用 具 有 概 率 突 几 并 模 利 ｔ ｏｉ ｏ ｓ 伴 棒 性 。但 是 最 大 互 信 息 的 计算 涉及 大 量 的 浮 点 运 算 ， 配 准 过 程 复 杂 跳 特性 的 Ｍｅｒｐ ｌ 抽 样 策 略 在 解 空 间 中进 行 随 机 搜 索 ， 随 温 度 的 其
改进的人工鱼群算法和Powell法结合的医学图像配准
Ｒｅ ｉｔａ ｉｎ ｏ ｕ ｔ－ ｓ ｌｔｏ ｅ ｃ ｍ ａ ｅ ｉ ｇ ａ Ｍ ｏ ｉ ｅ ｔｆｃａ ｇｓｒ ｔｏ ｆＭ ｌｉＲｅ ｏ ｕ ｉｎ Ｍ ｄｉ Ｉ ｇ Ｕｓｎ ｄ ｆｄ Ａｒｉ ｉ ｌ ａｌ ｓ ｉ ｉ Ｆｉｈ— ｗａ ｍ ｇ ｒｔ ｍ ｍ ｂ ｎｅ ｔ ｗｅｌ ＳＭ ｅ ｈ ｄ ｓ Ｓ ｒ Ａｌｏ ｉｈ Ｃｏ ｉ ｄ ｗｉｈ Ｐｏ ｌ’ ｔ ｏ
息和 归 一化局 部 能量加 权 匹配度 ， 用 多分辨 率策略 采 用 ＨＰ 插值 ， 利 Ｖ 并采 用改进 的人 工鱼 群 算 法
结合 Ｐ ｗｅｌ 法 完成 医学 图像 的 配准． 用改进 的人 工鱼群 算 法在 图像 的最低 分辨 率 上进 行 全局 ｏ ｌ算 采
优化 ， 以全局 最优 值 为初 始 值 ， 结合 Ｐ ｗｅ１ 法 完 成 图像 配 准． 不仅 基 本 解 决 了互信 息 函数 和 ｏ ｌ算 这 Ｐ ｗｅｌ 法 的局 部 极值 问题 ， 减 少 了数 据 的 处理 量 ， 快 了配 准 速 度． ｏ ｌ算 还 加 实验 结 果 表 明 ， 中算 法 文
ｉ ｆｍ ｕ ｕ ｌｉｆ ｒ ａｉｎ ｂ ｓ ｄ ｉ ｇ ｅ ｉｔａｉｎ Ｆ ｚ ｙｗ ｅｇ ｔ ｄ ｎ ｒ ｌ ｅ ｕ ｕ ｌ ｎ ｏ ｍ ａ ｍａ ｏ ｔ ａ ｎ ｏ ｍ ｔｏ － ａ ｅ ｍａ ｅｒ ｇｓｒ ｔ ． ｕ ｚ ｉｈ ｅ ｏ ｍａｉ ｄ ｍ ｔ ａ ｆ ｒ — ｏ ｚ ｉ ｔｏ ｎ ｏ ｍａｉｅ ａ ｔａ ｎ ｒ ｙｗ ｅｇ ｔｄ ｍ ａ ｃ ｉｇ ａ ｅ ｐ ｏ ｏ ｅ ｓｎ ｗ ｉ ｌｒｔ ｅ ｓ ｒ ｓ ｉｎ ａ ｄ ｎ ｒ ｌ ｄ ｐ ｒｉｌｅ ｅｇ － ｉ ｈ ｅ ｔｈ ｎ ｒ ｒ ｐ ｓ ｄ ａ ｅ ｓｍｉ ｉｙ ｍ ａ ｕ ｅ ， ｚ ａ ｍｕ ｔ—ｅ ｏ ｕ ｉｎ ｓｒ ｔ ｇ ｎ Ｐ ｉ ｔ ｒ ｏ ａｉｎ ａ ｅ ｕ ｅ ｌｉ ｓ ｌ ｔｏ ｔａｅ ｙ ａ ｄ Ｈ Ｖ ｎ ｅ ｐ ｌｔ ｒ ｓ ｄ，ａ ｄ ｇ ｏ ａ ｐ ｉ ｉａ ｉｎ ｉ ｐ ｒｏ ｍ ｅ ｒ ｏ ｎ ｌｂ ｌｏ ｔ ｚ ｔ ｓ ｅｆ ｒ ｄ ｍ ｏ ｗｉ ｈ ｒ ｐ ｓ ｄｒ ｇ ｓｒ ｔ ｎａｇ ｒｔ ｍ． Ｅｘ ｅ ｉ ｎ ａ ｅ ｕ ｔ ｎ ｏ ａ ｉｏ ｓｗｉ ｏ ｅｅ ｉｔ ｔ ｔ ｅｐ ｏ ｏ ｅ ｅ ｉｔａｉ ｌｏ ｉ ｈ ｏ ｈ ｐ ｒｍｅ ｔｌ ｓ ｌｓａ ｄｃ ｍｐ ｒｓ ｎ ｔ ｓ ｍ ｘ ｓ— ｒ ｈ ｉ ｇ ｒ ｇ ｓｒ ｔ ｎ ｍ ｅｈ ｄ ｎ ｍ ｕ ｔ— ｄ ｄ ｃ ｌｉ ａ ｅ ｒ ｇｓ ｒ ｔ ｎ ｓ ｏ ｔ ａ ｈ ｒ ｐ ｓ ｄ ａｇ — ｎ ｅ ｉｔａ ｉ ｔ ｏ ｓｉ ｌｉ ｏ — ｍｏ ｅ ｍｅ ｉａ ｍ ｇ ｅ ｉｔａｉ ｈ ｗ ｈ ｔｔ ｅ ｐ ｏ ｏ ｅ ｌ ｏ— ｏ
一种基于混合优化算法的医学图像配准方法
Ｋ ｙｗ ｒｓ ｅ ｏｄ ：ＭＭ （ ａｉｉ ｄｍ ｔａ ｉ ｏ ｔ ｎ ； ｍ ｇ ｇ ｔ ｔ ｎ Ｐ Ｏ； ｒ ｓｖｒ ｃａｓ Ｉ ｍ ｘ ｚ ｕｕｌｎ ｒ ｉ ） ｉ ａｅ ｅｉｒ ｉ ； Ｓ ｃ ｓｏｅ ； ｈｏ ｍ ｅ ｆ ｍａｏ ｒ ｓａｏ ｏ
医学图像 配准是 ２ Ｏ世 纪 ９ ０年代才 发展起来 的医学 图像
还有一个速度决定它们飞翔 的方 向和距离 ， 然后粒子们就追随 当前 的最优粒子在解空间 中进 行飞行搜 索。粒子群优化算 法 初始化一群随机粒 子 （ 随机解 ） 然后通过 进化 （ ， 迭代 ） 找到最
的融合是必不可少 的， 而配 准是融合 的前提 。多模医学图像 配
Ｘ ’ｎ７０ ２ ，Ｃ ｉａ ｉａ １ １９ ｈｎ ）
Ａ ｓ ａ ｔ ｈｓ ａ ｅ ｒｐ ｓｄ ａ ｐ ｒａ ｈｏ ｕ ｉ ｏ ａ ｍ ｄｃｌ ｍ ｇ ｓ ｅ ｉ ｒ ｉ ａｅ ｎ Ｃ Ｓ （ ｈ ｏ ａ ｉ ｅｓ ａ ／ ｂ ｔ ｃ ：Ｔ ｉ ｐ ｐ ｒ ｏ ｏｅ ｎ ａ ｐｏ ｃ ｆ ｈｍ ｄ ｌ ｅ ｉ ａ ｅ ｇ ｔ ｔ ｎ ｂ ｓｄｏ Ｐ Ｏ ｃ ａ ｓ ｒ ｃ ｌ ｌ ｒ ｐ ｍ ａｉ ｒ ｓ ａｏ ｐ ｔ ｌ ｗ ３ ｏ ｔ ｉ ｔ ｎ ｌ ｒ ｈ ｐｏ ｅ ｙＧ （ ｅ ｅ ｃａ ｏ ｔｍ） Ａ ｄａ ｐ ｅ ＭＩ ｏｔ ｇ ｔ ｔ ｎ Ｔ ｅｍ ｔｏ ａ ｎ ｄ ｐ ｍ ｚ ｉ ）ａ ｏｉ ｍ ｉ ｒ ｄｂ Ａ ｇ ｎ ｔ ｇ ｒｈ ． ｎ ｌ ｄＭ ｅｒ ｉｒ ｉ ． ｅ ｄｈ ｄｍａ ｙ — ｉ ａｏ ｇ ｔ ｍ ｖ ｉｌ ｉ ｐ ｉ ｔ ｈ ｅ ｓａ ｏ ｈ ｈ ａ
ｄｉ１ ．９ ９ ｊｉ ｎ １０ —６ ５ ２ １ ．８ ０ ５ ｏ：０ ３６ ／ ． ｓ． ０ １３ ９ ．０ ０ ０ ．９ ｓ
基于互信息的医学图像匹配中的改进插值算法
般都定位在单一的传统插值算法 ， 由于传统的插值算法存在插值精 度低或插值速度慢 的缺点 ， 提出 了一种基 于像素点 的
亮度绝对误差的图像插值算法 ， 插值算法结合了近邻插值算法 和双三次插值算法 的优 点， 提高了配准 的速度 和精确度 。通 过对头部 图像进行配准实验， 验证 了插值方法的有效性 。 关键词 ： 互信息 ； 插值算法 ； 像素点亮度
第２ 卷 第７ ７ 期
文章 编 号 ：０ ６—９４ （０ ０ ０ １０ ３ ８ ２ １ ）７—０ ９ ０ １４— ４
计
算
机
仿
真
２０ 月 ０ 年７ １
基 于 互信 息 的 医学 图像 匹 配 中 的改进 插 值 算 法
刘喜 平 ， 龚晓彦 ， 希娟 郭
（ 山大学 ， 燕 河北 秦皇岛 ０ ６０ ６ ０４） 摘要： 基于互信息的配准方法是医学 图像配准领域的重要方法 ， 具有 鲁棒性 ， 精度高等优点 ， 已成为医学图像处理 领域的热 点。在计算两个图像之间的互信息时 ， 了图像 配准精度 ， 为 图像的像素点经过空间变换需要进行插值 ， 目前 采用的插值方法
ｌ ｏ ｉｈ ｃ ｍｂ ｎ ｓｔ ｅ ａ ａ ｔ ｇ ｓｏ ｅ ｒｓ ｅｉｈ ｏ ｎｅ ｌｔｏ ｏ ｉｈ ａ ｄ ｂ ａ ｇ ｒｔｍ ｏ ｉ ｅ ｈ ｄｖ ｎ ａ ｅ ｆｎ ａｅ ｔｎ ｇ ｂ ｒｉ ｔｒ ｏ ａｉｎ ａｇ ｒｔ ｍ ｎ ｉ— ｃ ｂｉ ｉｔｒ ｌｔｏ ｇ ｒｔ ， ｐ ｌ ｕ ｃ ｎ ｅｐｏａｉｎ ａ ｏ ｈｍ ｌ ｉ
Ｗ ｈ ｎ ｃ ｃ ａｉ ｇ ｔｅ ｍｕｔａ ｎｏ ａ ｉｎ ｂ ｔ ｅ ｗｏ ｉ ａ ｅ ｅ ａ ｕｌｔｎ ｈ ｌ ｕ ｉ ｒ ｔｏ ｅｗｅ ｎ ｔ ｍ ｇ ｓ，ｔｅ ｉ ｇ ｘ ｌｐ ｉ ｓｎ ｅ ｎｅｐｏａｉｎ ｉ ｐ ｃ ｒ ｎ — ｌ ｆ ｍ ｈ ｍａ ｅ ｐｉｅ ｏｎｔ ｅ ｄ ｉ ｔｒ ｌ ｔ ｎ ｓ ａ ｅ ｔａ ｓ ｏ
医学影像处理中的图像配准算法实现技巧
医学影像处理中的图像配准算法实现技巧医学影像处理在现代医学诊断中起着至关重要的作用。
而图像配准作为其中重要的一环，是将不同影像之间进行准确的位置、尺度和方向的对齐，以实现医学影像的比较、融合和分析。
本文将介绍医学影像处理中的图像配准算法实现技巧。
一、图像配准概述图像配准是指将一组图像中的目标物体进行精确定位和对齐。
医学影像处理中的图像配准旨在准确地比较不同时间点或不同影像模态的医学图像，以便更好地追踪疾病的进展和评估治疗效果。
二、图像配准的算法医学影像图像配准的算法可以分为以下几类：1. 特征点匹配算法特征点匹配算法是一种常用的图像配准方法。
该方法通过检测图像中的特征点，并找到这些特征点之间的对应关系，从而实现图像的对齐。
常用的特征点匹配算法包括SIFT、SURF和ORB等。
首先，算法会在图像中提取特征点，并计算每个特征点的描述子。
然后，通过计算特征点描述子之间的相似度，找到最佳匹配。
最后，通过对特征点的位置进行配准，实现图像的对齐。
2. 基于互信息的配准算法互信息是一种常用的图像配准衡量指标，用于评估两幅图像的相似性。
基于互信息的配准算法主要包括归一化互信息（NMI）和互信息标准差（MIS）等。
该方法通过计算图像中的灰度直方图，并结合互信息来衡量两幅图像的相似度。
然后，通过优化配准变换参数，使得互信息最大化，实现图像的配准。
3. 基于变形场的配准算法基于变形场的配准算法利用变形场来描述图像的形变情况，并通过优化变形场来实现图像的对齐。
典型的基于变形场的配准算法有Thin-Plate Spline（TPS）和B-spline等。
该方法首先计算图像的像素点之间的位移，然后通过插值方法生成变形场。
最后，通过优化变形场的参数，实现图像的对齐。
三、图像配准的应用图像配准在医学影像处理中广泛应用于以下领域：1. 临床诊断医学影像图像配准可以提供医生在不同时间点或不同影像模态下进行疾病比较和评估的依据。
例如，在肿瘤的持续监测中，医学影像配准可以实现不同时间点下肿瘤的精确测量和比较。
医学图像处理中的图像配准方法
医学图像处理中的图像配准方法医学图像处理是医学影像科学中的一个重要领域，它利用计算机技术对医学图像进行处理和分析，用于疾病的诊断、治疗和监测。
而图像配准作为医学图像处理中的关键环节，被广泛应用于多种医学领域，如影像对比增强、图像叠加、图像融合等。
本文将介绍医学图像处理中常用的图像配准方法。
图像配准是指将不同影像中对应的特征点或特征区域进行匹配的过程，以实现不同图像之间的对齐或重叠。
在医学图像处理中，图像配准有助于医生更准确、全面地理解病变、解剖结构和功能区域。
以下是几种常用的图像配准方法：1. 特征点匹配法特征点匹配法是一种常用的图像配准方法。
它通过检测和匹配图像中的特征点，如角点、边缘点、斑点等，实现图像的对齐。
该方法的优势在于对于图像的亮度、尺度、旋转和投影变换等具有一定的鲁棒性。
例如，在CT和MRI图像配准中，可以利用特征点匹配法检测头部或骨骼结构的明显特征点，实现图像配准。
2. 相位相关法相位相关法是一种基于图像的频域分析的图像配准方法。
它利用傅里叶变换将图像从空域转换到频域，通过计算图像的互相关函数，寻找最大互相关值对应的位移量，从而实现图像的对齐。
这种方法通常用于医学图像的精确对准，如放射治疗中的CT图像与MRI图像的配准。
3. 互信息法互信息法是一种基于信息论的图像配准方法。
它通过计算图像之间的互信息量，来评估图像的相似度和位移。
互信息越大，说明两幅图像的相似度越高，反之亦然。
互信息法可以用于多模态图像配准，比如将CT图像与PET图像进行配准以实现精确的病变定位。
4. 弹性配准法弹性配准法是一种基于物理模型的图像配准方法。
它通过建立弹性变形模型，将图像的形状进行变换，实现图像的对准。
这种方法适用于需要进行大范围形变的图像配准，如脑部图像配准，可以通过建立弹性模型，将功能区域对齐。
5. 局部插值法局部插值法是一种基于插值算法的图像配准方法。
它通过将图像进行网格化，对网格点进行插值处理，实现图像的变形和对齐。
改进的基于最大归一化互信息的医学图像配准算法
Ｍａ ．２ ０ ｙ ０８
文章编号
１０ ００—５６ （ ０８ ０ ０ ８ ０ ２ ９ ２０ ）３－ ２４－ ５法
刘 洪 ， 良荣 ， 李 王
摘
蓓
（ 贵州大学 电子科学与信息技术学院 ，贵阳 ５ ０２ ） ５０ ５
要： 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，Ｏ Ｌ 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 Ｐ ＷＥ Ｌ 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。
关 键词 ： 归一 化互信 息 ； 医学 图像 配准 ； 部分体 积插 值
达同一 内容的像素点在几何上一一对应时， 互信息取得最大值。图像的配准本质上是一个多参数的优化
中图分类 号 ：Ｐ ９ Ｔ３１ 文献标 识码 ： Ａ
Ｉ ｐ ｏ ｅ ｅ ｉ ａ ｍ ａ ｅ Ｒｅ ｉｔ ａ ｉ ｎ Ａｌ ｏ ｉｈ ｓ ｄ ｍ ｒ ｖ ｄ Ｍ ｄ ｃ ｌＩ ｇ ｇ ｓｒ ｔｏ ｇ ｒｔ ｍ Ｂａ ｅ
ｏ ａ ｉ ｉ ａ ： ｎ ｏ ｒ ａ ｉｅ ｕ ｕ ｌＩ ｆ ｒ ａ ｉ ｎ ｎ Ｍ ｘ ｍ ｚ ｔｏ ｆ Ｎｏ ｍ ｌ ｄ Ｍ ｔ ａ ｎ ｏ ｍ ｔｏ ｉ ｚ
Ａｂ ｔ ａ ｔ ｎ ｔｉ ａ ｅ ｄ ｃ ｌ ｉ ｇ ｅ ｉｔ ｔ ｎ ａｇ ｒ ｍ ａ ｅ ｎ ｍａ ｉ ｚ ｔ ｎ ｏ ｏ ｍａ ｉ ｄ ｓｒ ｃ ：Ｉ ｈ ｓｐ ｐ ｒ ａ ｍｅ ｉａ ｍａ ｅ ｒ ｇ ｓ ａ ｉ ｏ ｉ ｒ ｏ ｌ ｈ ｔ ｂ ｓ ｄ ｏ ｘ ｍｉａｉ ｆｎ ｒ ｌ ｚ ｏ ｅ ｍｕ ｕ ｎ ｏ ａｉｎ ｗａ ｒ ｐ ｓ ｄ ｈ ｌｏ ｉ ｍ ｓ Ｓ ｔ ｅ ｉ ｒ ｖ ｄ ｐ ｒｉ ｏｕ ｉ ｒ ｕ ｉｎ ｉ ｔ ｒ ｏ ｔ ａ ｉ ｆｒ ｔ ｓ ｐ ｏ ｏ ｅ ．Ｔ ｅａ ｇ ｒ ｈ Ｕ ｍｐ ｏ ｅ ａ ｔ ｖ ｌ ｍｅ ｄ ｓ ｉ ｔ ｎ ｅ ｐ － ｌ ｍ ｏ ｔ ｅ ｈ ｌ ａ ｔｂ ｏ
互信息医学图像配准中PV插值算法的改进
Computer Engineering and Applications计算机工程与应用2010，46（20）113互信息医学图像配准中PV插值算法的改进陈伟卿，华顺刚，欧宗瑛CHEN Wei-qing，HUA Shun-gang，OU Zong-ying大连理工大学机械工程学院CAD&CG研究所，辽宁大连116024CAD&CG Lab，School of Mechanical Engineering，Dalian University of Technology，Dalian，Liaoning116024，ChinaE-mail：cwqcgx_chen@CHEN Wei-qing，HUA Shun-gang，OU Zong-ying.Improvement of PV interpolation in mutual information-based medi-cal image puter Engineering and Applications，2010，46（20）：113-115.Abstract：In algorithm of medical image registration based on Mutual Information（MI），when the translation component isinteger times of pixel size，conventional PV（Partial Volume）interpolation method will result in the emergency of the localextremes in mutual information registration function，which may hamper the optimization algorithm from getting accuratematch parameters.An improved PV interpolation method is proposed by using Blackman-Harris windowed sinc function askernel function.In addition，the number of concerned neighborhood pixels increases to16from 4.Local extremes are eliminat-ed effectively and smooth MI function curve is acquired.The experiments show that the new method is feasible andhashigher robustness.Key words：image registration；mutual information；partial volume interpolation；local extremes；Blackman-Harris windowed sincfunction摘要：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。
基于差异进化算法的医学图像配准方法
关键词 ： 差异进化 ； 互信息 ； ｏ ｅ 算法 ； Ｐｗ ｌ ｌ 模拟退火算法 ； 图像配准
中 图 分类 号 ： Ｐ ９ Ｔ３ １ 文献 标 志 码 ： Ａ
．
Ｍ ｅ ｃ ｌＩ ａ ｅ Ｒｅ ｉｔ ａ ｉ ｎ Ｂａ ｅ ｎ Ｄｉ ｅ ｅ ｔａ ｏ ｕ ｉ ｎ ｄｉａ ｍ ｇ ｇ ｓ ｒ ｔｏ ｓ ｄ ｏ ｆ ｒ ｎ ｉ ｌＥｖ ｌ ｔｏ
Ｔｈ ｒ ｐ ｓ ｄ ｍ ｅｈ ｄ ｃ ｎ ａ ｏｄ ｌｃ ｎ ｍｕ ｅ ｐ ｏ ｏ ｅ ｔ ｏ ａ ｖ ｉ ｏ ａ ｍｉ ｉ ｍ ｄ ｅ ｔ ｔ ｏ ｖ ｒ ｉｇ ｃ ａ ａ ｔｒｓｉｓ Ｅｘ ｅ ｍｅ ｔ ｅ ｕ ｔ ｈ ｗ ｌ ｕ ｏ ｉｓ ｃ ｎ ｅ ｇｎ ｈ ｒ ｃｅ ｔｃ ． ｉ ｐｒ ｉ ｎａ ｒ ｓ ｌｓ ｓ ｏ ｌ
ｏ ｔ ｅｆ ｒ ｈ ｏ ｌ ａｇ ｒｔ ｍ ｎ ｈ ｉ ａｅ ｎｎ ａｉ ｇ ｆ ｒｍｅ ｉａ ｍａ ｅ ｒ ｇｓｒ ｔ ｎ。 ｕ ｐ ｒｏ ｍｓ ｔ ｅ Ｐ ｗｅ ｌｌ ｏ ｈ ａ ｄ ｔ ｅ ｓｍｕｌｔｄ ａ ｅ ｎ ｄｃ ｉ ｇ ｅ ｉｔａ ｉ ｉ ｌ ｏ ｌ ｏ
Ｋｅ ｙｗｏ ｄ ｒ ｓ：ｄｆｅ ｅ ｔａ ｖ ｌｔｏ ｉ ｒｎ ｉ ｅ ｏｕ ｉｎ，ｍ ｕｕ ｌｉｆｒ ａ ｉｎ，Ｐ ｗｅ ｌａｇ ｒｔ ｍ ，ｓｍｕ ａｅ ｎ ｅ ｉ ｇ， ｉ ｇ ｅ ｉｔａｉｎ ｆ ｌ ｔａ ｎ ｏ ｍ ｔ ｏ ｏ ｌｌ ｏ ｈ ｉ ｉ ｌｔ ｄ ａ ｎ ａ ｎ ｌ ｍａ ｅ ｒｇ ｓｒ ｔ ｏ
基于Powell算法与改进遗传算法的医学图像配准方法
0 引言
当前，快速发展的医学成像技术可为临床提供大量的实 用解剖及功能方面的影像数据； 在临床医学中，单一模态的图 像往往不能提供医生所需的足够信息，通常需要配准并融合 多模态图像以得到更为丰富的信息，从而帮助医生了解病变 组织或器官的情况，为临床诊断和手术治疗提供更全面、更准 确的信息［1］。医学图像配准［2 － 3］主要目的是寻找两幅图像间 的对应关系，是进行图像融合的前提，也是目前医学图像处理 领域中的一个研究热点。
关键词： 互信息; Powell 算法; 改进遗传算法; 医学图像配准; Logistic 混沌映射 中图分类号： TP391 文献标志码： A
Medical image registration algorithm based on Powell algorithm and improved genetic algorithm
doi： 10． 3724 / SP． J． 1087． 2013． 00640
基于 Powell 算法与改进遗传算法的医学图像配准方法
李 超1* ，李光耀1 ，谭云兰2，1 ，徐祥龙1
( 1． 同济大学 电子与信息工程学院，上海 201804; 2． 井冈山大学 电子与信息工程学院，江西 井冈山 343009) ( * 通信作者电子邮箱 lic321@ 163． com)
LI Chao1* ， LI Guangyao1 ， TAN Yunlan2，1 ， XU Xianglong1
医学图像配准技术的应用与算法选择
医学图像配准技术的应用与算法选择医学图像配准技术是一种重要的医学影像处理方法，用于将不同时间、不同模态或不同患者的医学图像进行空间对齐，以便进行准确的比较和分析。
本文将介绍医学图像配准技术的应用领域，并探讨在选择合适的算法时需要考虑的因素。
一、医学图像配准技术的应用领域1. 临床诊断与治疗规划医学图像配准技术在临床诊断和治疗规划中发挥着重要作用。
通过将病人的多个医学图像进行配准，医生可以更准确地定位病灶、评估病变的大小和形状，并制定个性化的治疗方案。
2. 医学研究与学术交流医学图像配准技术在医学研究和学术交流中也有广泛应用。
研究人员可以通过配准来比较不同患者或疾病状态下的图像，以发现潜在的差异和规律，并进一步深入研究。
3. 医学教育与培训医学图像配准技术还可以用于医学教育和培训中。
通过将不同患者的图像进行配准，医学生可以更好地理解和比较不同病例的特点，提高诊断和治疗能力。
二、医学图像配准算法的选择在选择医学图像配准算法时，需要考虑以下几个因素：1. 图像类型和模态不同的医学图像具有不同的特点和模态，如X光、CT、MRI等。
对于不同类型和模态的图像，应选择适应性强、准确度高的配准算法。
2. 配准精度要求根据具体的应用需求，需要考虑配准的精度要求。
有些应用可能对配准的精度要求较高，如手术导航等，而有些应用对精度要求相对较低，如医学教育。
3. 计算资源和时间限制不同的配准算法对计算资源和时间的要求不同。
在选择算法时，需要考虑实际可用的计算资源和时间限制，以确保能够在合理的时间内完成配准任务。
4. 算法的稳定性和鲁棒性在实际应用中，医学图像可能存在噪声、运动伪影等问题，因此选择具有稳定性和鲁棒性的配准算法是很重要的。
这样可以提高算法对噪声和伪影的抵抗能力，提高配准结果的准确性和可靠性。
5. 算法的可扩展性和可定制性有些应用可能需要对配准算法进行定制或扩展，以满足特定的需求。
因此，在选择算法时，需要考虑算法的可扩展性和可定制性，以便根据具体需求进行调整和优化。
一种改进的基于最大互信息的图像配准方法
２ ．西安政治学院 心理战系 ，陕西 西安 摘 要
基 于互信 息的图像 配准方法在单模 图像 配 准中极 易受局部极 小值影 响 ，从 而导 致配 准失败。提 出
了一种改进 的局部优 化方法 ，在 Ｐｗ ｌ方法中引入针对 空间变换参数 的约束条件 。针 对 ８套脑部 ＭＲ ｏｅ ｌ Ａ和 ＭＲ 的 Ｉ 体数 据集进行 的 实验表 明 ，该方法可 以很 好地克服 优化 陷入 局部极值的情况 。 关键 词 单模 图像配准 ；最大互信息 ；全局优 化 ；脑部 ＭＲ Ａ和 ＭＲ Ｉ Ｔ ３ １４ Ｐ９． １ 文献标识码 Ａ 文章编号 １０ ７ ２ （０ ８ ０ ０ ３— ３ ０７— ８ ０ ２０ ）６— ７ ０
中图分类号
Ａｎ Ｉ ｐ ｏ ｅ ｍ ａ ｅ Ｒｅ ｉｔ ａ ｉ ｎ Ｂａ ｅ ｎ Ｍ ａ ｉ ｚ ｔｏ ｆＭ ｕｔ ｌＩ ｆ ｒ ａ ｉ ｎ ｍ ｒ ｖ ｄ Ｉ ｇ ｇ ｓ ｒ ｔｏ ｓ ｄ ｏ ｘ ｍｉ ａ ｎ ｏ ｉ ｕａ ｎ ｏ ｍ ｔｏ
Ｂａ ｉ， ，Ｚ ｅ ｇＹ ｎｎ ｉｎＱａ ｈ ｎ ｉｉｇ ，
是非 常重 要 ，已 经 受 到 了广 泛 的 关 注 和 研 究 ，它 能 以合成 的方 式 提 供 关 于 解 剖 和 生 理 学 方 面 的额
外信息。基于互信息最大化 的医学 图像配准方 法
是通 过 直接 计 算 两 组 图像 间 的 统计 相 关 性 来 匹 配 图像 的。 由于 不 需 要 事 先 的 分 割 、特 征 提 取 以及 其他 的处 理 等 优 点 ，这 种 方 法 更 加 通 用 和 有 效 ， 并且 已经很成 功 的应 用 于 多模 图像 配 准 中¨２。然 ． Ｊ
互信息的图像配准
信息论大作业基于互信息的图像配准班级：09030901学号：2009302311姓名：益琛同组成员：陈升富黎照1. 引言随着医学、计算机技术及生物工程技术的发展，医学影像学为临床诊断提供了多种模态的医学图像，不同的医学图像提供了相关脏器的不同信息：CT(Computed Tomography ，电子计算机X 射线断层扫描)和MRI(Magneticresona nce ima ging ，核磁共振成像)以较高的空间分辨率提供了脏器的解剖结构信息。
在实际临床应用中，单一模态的图像往往不能提供医生所需要的足够的信息，通常需要将不同模态的图像融合在一起，得到更丰富的信息，以便了解病变组织或器官的综合信息，从而做出准确的诊断或制订出合适的治疗方案。
而图像配准是图像融合的重要前提，图像配准是指对一幅图像进行一定的几何变换而映射到另一幅图像中，使得两幅图像中的相关点达到空间上的一致。
图像配准主要有两大类方法，基于灰度的方法和基于特征的方法。
基于灰度的配准方法直接利用图像的灰度数据进行配准，从而避免了因分割而带来的误差，因而具有精度较高、鲁棒性强、不需要预处理而能实现自动配准的特点。
在基于灰度的配准方法中，基于互信息的方法包括互信息和归一化互信息方法，它们已经被广泛使用并具有最高的精度。
本文使用的是基于互信息的配准方法。
2. 图像配准技术2.1图像配准技术的数学定义 数字图像可以用一个二维矩阵来表示，如果用),(1y x I、),(2y x I 分别表示待配准图像和参考图像在点(x,y)处的灰度值，那么图像I 1、I 2的配准关系可表示为：))),(((),(12y x f g y x I I= （1）其中f 代表二维的空间几何变换函数；g 表示一维的灰度变换函数。
配准的主要任务是寻找最佳的空间变换关系f 与灰度变换关系g ，使两幅图像实现最佳对准。
其中，空间几何变换是灰度变换的前提，是实现精准配准的关键环节。
图像配准理论及算法研究
5.学位论文冯晓伟基于特征点的图像配准技术及应用2008
该文提出了一种基于改进的Hausdorff距离(LTS Hausdorff距离)与遗传算法的图像配准方法。算法首先是对参考图像和待配准图像进行预处理,然后在此基础上结合遗传算法对待配准图像进行配准操作,遗传算法的执行过程中利用LTS Hausdorff距离作为适应度函数,最终的目的是通过遗传算法搜索到最优变换参数,本文的主要内容如下:
灰度差分不变量(GDI)具有平移和旋转不变性,并且对噪声具有较强的鲁棒性。基于灰度差分不变量的图像配准算法首先利用灰度差分不变量构造特征描述子,然后通过计算各象素描述子之间的欧氏距离来决定是否匹配。实验结果表明,这种方法对噪声和配准误差都有一定的鲁棒性。
本文最后介绍了图像配准在图像拼接和图像融合中的应用。将本文提出的两种图像配准算法应用在图像拼接上,实验证明该算法能够有效地拼接普通相机拍摄的照片,并具有较好的稳定性和较高精度。在图像融合中,采用透明融合技术对可见光和红外热图像进行融合。
4.学位论文沈大伟基于Hausdorff距离和遗传算法的图像配准方法研究2008
图像配准是图像处理的基本任务之一,它的主要作用是将不同时间、不同传感器、不同视角及不同拍摄条件下获取的两幅或多幅图像进行匹配(主要是几何意义上的)。近年来对图像配准技术的研究涵盖了多个应用领域,在计算机视觉、模式识别、医学图像分析和遥感数据处理等学科中图像配准技术均占有举足轻重的地位,图像配准己成为很多研究课题的必备环节。
基于互信息和混合优化算法的多模医学图像配准
Ｍ ｕ ｔｍｏ ａｉｙ Ｍ ｅ ｉａ ｍ ａ ｅ Ｒｅ ｉｔ ａ ｉｎ Ｂ ｓ ｄ ｏ ｌｉ ｄ ｌ ｄ ｃ ｌＩ ｇ ｇｓ ｒ ｔ ａ ｅ ｎ ｔ ｏ Ｍ ｕ ｕ ｌＩ ｆ ｒ ｔ ｎ ａ ｄ Ｈｙ ｒｄ Ｏｐ ｉ ｉａ ｉ ｎ Ａｌ ｏ ｉ ｍ ｔ ａ ｎ ｏ ｍａ ｉ ｎ ｂ ｉ ｔ ｚ ｔ ｇ ｒｔ ｏ ｍ ｏ ｈ
一
需要提取图像的解剖特征 ， 因此它是一种精度高 、 稳 健性强的方法… 在医学 图像配准领域得到了普遍 １，
关 注和 广泛 目 前使用得最 多的优化算法主要是单纯形法 和 Ｐ ｗ ｌ ， ｏ ｅ 法 此外 还 ｌ 有模拟退火算法和遗传算法 ＿ 这些优化算法各有 ２． ２ ＿ 优点 ， 但也都存在不足之处．ｏ ｅ 法 和单纯形法都 Ｐｗｌ ｌ 不需要计算导数 ， Ｐ ｗ ｌ法在配准过程 中很容易 但 ｏｅ ｌ
Ｖｏ ． ３． １３ Ｎｏ． １
Ｆ ｂ ｅ ．２ ００ ６
文章编号 ：０ ０２ ７ （０ ６ ０ —ｌ ７０ １０ —４２ ２ ０ ）１０ １—４
基 于 互 信 息 和 混 合 优 化 算 法 的 多 模 医 学 图 像 配 准
张汗灵 ， 杨 帆
４０ ８ ） １０ ２
（ 湖南大学 计算机与通信学 院， 湖南 长沙
成像模式的图像数据融合起来 ， 用各 自图像信息 利 的特点 ， 在一幅图像上表达来 自人体多方面的信息． 基于体素相似性的配准方法由于直接使用图像像素
＊ 收 稿 日期 ：０ ５一Ｏ ２０ ３一Ｏ ９
维普资讯
第３ ３卷 第 １ 期
２ ０ ０ ６年 ２月
湖 南 大 学 学 报 （自 然 科 学 版 ）
Ｊｕｎ ｌ ｆ ｕ ａ ｉ ｒｉ （ ａｕａ Ｓ ｉ ｃｓ ｏｒａ ｏ ｎｎＵｎｖ ｓ ｙ Ｎ ｔｒｌ ｃ ｎｅ） Ｈ ｅ ｔ ｅ
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｌｉ ａ ｇ ｎ ｍｅ ｎ ｔ ｅ ｆ ｆ ｅ ｃ ｔ ． Ｔ ｏ ｓ ｏ ｌ ｖ ｅ ｔ ｈ ｉ ｓ ｐ ｒ ｏ ｂ ｌ ｅ ｍ， ｐ ａ ｒ ｔ ｉ ｃ ｌ ｅ ｓ ｗ ａ ｎ ／ １ ｏ ｐ ｔ ｉ ｍ ｉ ｚ ａ ｔ ｉ ｏ ｎ（ Ｐ Ｓ Ｏ ）ｔ ｏ ｓ ｔ ｒ ｉ ｋ ｅ ａ Ｐ ｏ ｗ ｅ ｌ ｌ ａ ｌ ｇ ｏ ｉ ｒ ｔ ｈ ｍ ｔ ｈ ｅ ｉ ｎ ｉ ｔ ｉ ｌ ａ ｖ ｌｕ ａ ｅ ｔ ｅ ｓ ｔ －
Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ： Ｐ ｏ ｗｅ Ｈ ａ ｌ ｇ ｏ ｉ ｒ ｔ ｈ ｍ； Ｐ Ｓ Ｏ； ｍｕ ｔ ｕ ａ ｌ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ； ｒ ｅ ｇ ｉ ｓ ｔ ｒ ａ ｔ ｉ ｏ ｎ
一
个完整的医学图像融合系统应包 括图像采集及预处 理 、
１ 基 于互 信息 的配 准方 法
ＬＩ Ｕ Ｌｉ ｎ， ＨＵＡＮＧ Ｙｉ ｎ ｇ， ＨＥ Ｚ ｈ ｅ ｎ － ｈ ｕ ａ
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ａ ｕ ｔ ｏ ｍａ ｔ ｉ ｏ ｎ， Ｇ ｕ ａ ｎ ｇ ｄ ｏ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ， Ｇ ｕ ａ ｎ ｇ ｚ ｈ ｏ ｕ ５ １ ０ ０ ０ ６， Ｃ ｈ ｉ ｎ ａ ）
ｃ ｏ ｍｐ ａ ｉ ｒ ｓ ｏ ｎ ｏ ｆ ｔ ｈ ｅ ｔ ａ ｒ ｇ ｅ ｔ ｆ ｕ ｎ ｃ ｔ ｉ ｏ ｎ ｔ ｏ ｍｏ ｖ ｅ ｈｅ ｔ ｉ ｔ ｅ ｒ ａ ｔ ｉ ｏ ｎ ｐ ｏ ｉ ｎ ｔ ｃ ａ ｎ ｂ ｅ ｏ ｂ ｔ ａ ｉ ｎ ｅ ｄ ｅ ｘ ｔ ｒ ｅ ｍｕ ｍ． Ｂｕ ｔ Ｐ ｏ ｗｅ ｌ ｌ ａ ｌ ｇ ｏ ｉｔ ｒ ｈ ｍ ｉ ｓ ｇ ｒ ｅ ａ ｔ ｌ ｙ ｄ ｅ —
极值 。但 Ｐ ｏ ｗ ｅ ｌ ｌ 算法对参数 的初 始值有很 大的依赖性 ，在 图像 配准的优化过程 中易陷入局 部最优 ，使得优化 结果很 大程度 上依赖 于初始值 ，会得 到错误 的配 准参数 ，从 而影 响配准效 果 。为解 决这一 问题 ，使 用粒 子群优 化 算法 （ Ｐ Ｓ Ｏ ） 求取 Ｐ ｏ ｗ ｅ ｌ ｌ 算法的初始值 。经检验 ，此方法克服 了 Ｐ ｏ ｗ ｅ ｌ ｌ 算法的缺 点 ，大大提 高了配准精度 。
ｉ ｎ ｇ ｓ ｈ ｏ ｗ ， ｔ ｈ ｉ ｓ ｍｅ ｔ ｈ ｏ ｄ ｏ ｖ ｅ ｒ ｃ ｏ ｍｅ ｓ ｔ ｈ ｅ ｓ ｈ ｏ ｒ ｔ ｃ ｏ ｍｉ ｎ ｇ ｓ ｏ ｆ ｔ ｈ ｅ Ｐ ｏ ｗｅ ｌ ｌ ｌｇ ａ ｏ ｉ ｒ ｔ ｈ ｍ， ｇ ｒ ｅ ａ ｔ ｌ ｙ ｉ ｍｐ ｒ ｏ ｖ ｅ ｔ ｈ ｅ ａ ｃ ｃ ｕ ｒ ａ ｃ ｙ ｏ ｆ ｔ ｈ ｅ ｒ ｅ ｇ ｉ ｓ ｔ ｒ ａ ｔ ｉ ｏ ｎ ．
１ ． １ 空 间几 何 变 化
图像 的空间配 准 、融合 图像 的创建 、信 息综合 显示 和提取等 基本 步骤 。其 中医学 图像 配准算法是研 究 的关 键 。图Байду номын сангаас配准 是指 对一 幅 图像 进行 一定 的几何 变换 映射 到另一 幅 图像 中 ， 使得 两幅 图像 中的相关点 达到空间上 的一致 。医学 图像配准
电脑 编 程 技 巧 与 维 护
基 于１种 改进 的 Ｐ ｏ ｗ ｅ ｌ ｌ 算法和互信息 的医学 图像配准方法
刘 林 。黄英 ，贺 振华
（ 广东工业大学 自动化学院 ，广州 ５ １ ０ ０ ０ ６ ）
摘
要 ：Ｐ ｏ ｗ ｅ １ １ 是一种 直接 法，不用计 算 目标 函数 的梯度 ，仅 通过比较 目标 函数 的数值 大小来移动迭代 点就 可求 出
Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｐ ｏ ｗ ｅ ｌ ｌ ｉ ｓ ａ ｄ ｉ ｒ ｅ ｃ ｔ ｍ ｅ ｔ ｈ ｏ ｄ 。 ｄ ｏ ｎ ｏ ｔ ｃ ａ ｌ ｃ ｕ ｌ ａ ｔ ｅ ｔ ｈ ｅ ｇ ｒ ａ ｄ ｉ ｅ ｎ ｔ ｏ ｆ ｔ ｈ ｅ ｏ ｂ ｊ ｅ ｃ ｔ ｉ ｖ ｅ ｆ ｕ ｎ ｃ ｔ ｉ ｏ ｎ ｏ ｎ ｌ ｙ ｂ ｙ ｔ ｈ ｅ ｍ ａ ｇ ｎ ｉ ｔ ｕ ｄ ｅ ｏ ｆ ｔ ｈ ｅ
关键 词 ：Ｐ ｏ ｗ ｅ ｌ ｌ 算 法 ；Ｐ Ｓ Ｏ； 互信 息 ； 配 准
Ｍｅ ｄ ｉ ｃ ａ ｌ Ｉ ｍａ ｇ ｅ Ｒｅ ｇ ｉ ｓ ｔ ｒ ａ ｔ ｉ ｏ ｎ Ｍｅ ｔ ｈ ｏ ｄ Ｂａ ｓ ｅ ｄ ｏ ｎ ａ ｎ Ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ Ｐｏ ｗｅ ｌ ｌ Ａｌ ｇ ｏ ｒ ｉ ｔ ｈｍ ａ ｎｄ Ｍ ｕｔ ｕａ ｌ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ