论文摘要
医学图像配准是信息科学、计算机图像技术和当代医学等多学科交叉的一个领域,已经在临床诊断、治疗和术前规划等方面有着广泛的应用。本文对医学图像配准的理论、方法和技术进行了全面地分析与总结,重点研究了基于灰度的医学图像配准。基于灰度的配准方法虽然相对于其他方法运算时间较长,但是由于其是对每个像素的灰度值进行计算匹配,所以图像配准的结果往往更加精确,尤其在医学图像处理中显得格外的重要。采用当今流行的归一化互信息方法作为图像配准研究中的测度方法,将熵的概念引入到了图像配准中。本文提出了对一种新的全局优化算法(RPSAM)研究并应用在图像配准过程中,将模拟退火方法的随机搜索策略与局部寻优算法鲍威尔算法相结合,改进了PSAM模拟退火过程中选取初始点的方法并且在模拟退火算法中增加了算法的记忆存储功能,又进一步地对此PSAM算法进行优化使其具有二次收敛的特征。实验结果表明改进后的新算法(RPSAM)能够更有效的防止优化陷入局部极值。对比PSAM,RPSAM算法在计算的精确度上和运行的效率上都有大幅度的提高,从而使图像配准过程的运行时间和最终效果上也有显著提升。最后将RPSAM算法进行测试,从算法的稳健性、可靠性、精度和速度不同方面测试了算法的稳定的性能,证明了RPSAM算法是一个非常好的全局优化算法,符合一个好的全局优化算法应该是一个高效的局部优化算法和一个安全可靠的整体搜索策略的有机结合的原则。
论文目录
摘要Abstract第1章 绪论1.1 引言1.2 研究的目的与意义1.3 图像配准国内外发展现状1.4 医学图像配准方法的分类1.5 开发工具简介1.6 本文研究内容第2章 医学图像配准原理2.1 医学图像配准基本原理2.2 几何变换2.3 相似性测度2.3.1 归一化相关2.3.2 差值图像的熵2.3.3 互信息2.3.4 梯度相关2.3.5 模式强度2.3.6 梯度差值2.4 灰度插值2.4.1 最邻近插值法2.4.2 三线性插值法2.4.3 部分体积插值2.5 最优化算法2.5.1 优化问题的定义2.5.2 局部优化算法原理2.5.2.1 单纯形搜索法2.5.2.2 优化问题的解决2.6 医学图像配准的评估2.7 本章小结第3章 基于互信息最优化算法实验与研究3.1 互信息理论3.1.1 互信息与熵理论3.1.2 熵3.1.3 互信息基本理论3.1.4 互信息配准测度3.1.5 归一化互信息3.2 鲍威尔算法3.2.1 黄金分割搜索算法3.2.2 逆抛物线内插法3.2.3 Brent方法3.2.4 Powell算法的实现及实验结果分析3.3 模拟退火算法的实现及实验结果分析3.3.1 模拟退火理论3.3.2 模拟退火参数的确立步骤及其代码的实现3.3.3 模拟退火算法存在的问题3.4 本章小结第4章 解决多维全局最优问题新方法4.1 多维函数全局最优化的算法PSAM4.2 基于PSAM算法一次改进:DPSAM算法4.3 鲍威尔算法的改进4.4 模拟退火算法的改进4.5 基于PSAM算法二次改进:RPSAM算法4.6 本章小结第5章 RPSAM最优化算法的评估5.1 测试环境5.2 RPSAM算法评估数据5.3 评估指标5.3.1 稳健性评估5.3.2 可靠性评估5.3.3 精度评估5.3.3.1 定量评估5.3.3.2 非定量评估5.3.4 速度评估5.4 本章小结第6章 结束语6.1 全文的工作总结6.2 展望参考文献致谢硕士学习期间发表论文情况
相关论文文献
标签：医学图像配准论文; 鲍威尔算法论文; 模拟退火算法论文; 归一化互信息论文;
