探索基于互信息法的多模医学图像配准研究

《探索基于互信息法的多模医学图像配准研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、合肥工业大学硕士学位论文基于互信息法的多模医学图像配准研究姓名：朱祥胜申请学位级别：硕士专业：检测技术与自动化装置指导教师：宗仁鹤20050401基于互信息法的多模医学图像配准研究摘要医学成像已经成为现代医疗不可或缺的一部分，用不同的成像设备所得到的医学图像信息常常具有互补性，为了综合使用多种医学成像模式以提供更全面的信息，常常需要将有效信息进行整合。整合的第一步多模医学图像配准：整合的第二步则是图像的融合。本论文着重研究图像的配准。互信息配准算法认为具有共同解剖结构的两幅图像达到最佳配准时，它们的重叠部分所对应

2、像素灰度的互信息量达到最大值。与传统的图像配准方法相比，互信息配准方法的优势在于：无需对多模图像像素灰度之间的关系作任何假设，无需对图像分割和预处理，完全自动而无需人工交互。图像像素灰度可以看作是随机变量，从而可用联合概率、边缘概率分布理论和信息熵理论来求两幅图像的互信息。由于重叠部分的联合灰度直方图和边缘灰度直方图不需要计算互信息的导数，所以可以用它们来计算两幅图像像素的联合概率分布，从而降低了配准算法的实现难度。因为图像像素点进行空间变换后坐标有可能不是整数，所以有必要引入插值技术。本论文所选用的双线性PV插

3、值法不会引入新的灰度值，优于其它插值方法。求最大互信息的过程可以看作是一个多变量优化问题，本文所采用的改进Powell优化算法速度快、准确性高，可以成功地搜索到互信息的最大值，实现图像的配准。从实验结果来看，我认为本论文所研究的最大互信息Powell优化配准算法是一种准确的、稳健的、完全自动的多模图像配准算法。关键词；互信息。多模医学图像，配准．PV插值，Powell算法MutualinformationbasedmultimodalitymedicalimageregistrationresearchAbstr

4、actMedicalimaginghasbeenanindispensablepartofmodemmedicaltreatment．Themedicalimagesfromdifferentmodalitiescallcomplementeachother．Theusefulimageinformationoftenneedtobecomposedinordertogivemorecomprehensiveinformationbyusingmorethanonemodality．Thefirststepofc

5、omposingistoimageregistration，thenextstepisimagefusion．Imageregistrationresearchistheemphasesofthisdissertation．informationregistrationmethodthinksthatthemutualinformationofthewrappedpartoftheimagesreachesthemaximumwhentwoimagesregisterbest．Comparedtoconventi

6、onalregistrationmethods，thepredominanceofinformationregistrationmethodisthatitdoesn’tneedtosupposetherelationoftheimages，andthatitneednoimagesegmentationandimagepreprocess，andthatitcanbringtosuccessautomaticallywithoutalternationwithpeople．Theintensityofimage

7、pixelcanbethoughtofasastochasticvariable．Thus，themutualinformationofthetwoimagescallbecomputedbyjointprobabilitydistributionandmarginaldistributiontheoryandentropytheory．Thejointandmarginalintensityhistogramsofthewrappedpartoftheimagesdon’tneedthecomputationo

8、fthederivativeofmutualinformation,SOthemCanbeusedtocomputejointprobabilitydistributionofthetwoimagesinordertoreducerealizationdifficultyofthemethod．Becausethepixelislikelytonotbeintegeraf