论文摘要
图像配准分为刚体配准和非刚体配准。目前大多数研究方法都是针对刚体的配准,而在医学领域,大多数研究对象是非刚性的,即由于生长、手术、或者疾病导致的组织改变,不同个体之间的差异或者由图像失真引起的变形,变换中任意两点之间的距离不再保持不变。刚性配准和非刚性配准方法的主要区别是空间变换的性质:刚性配准的目的是寻找使得源图像的点映射到目标图像中的对应点,刚性变换中任意两个点的距离保持不变,这种变换都是线性变换;而在非刚体配准其变换关系在数学上为非线性变换,如仿射变换、投影变换、非线性变换等。本文的研究对象是MRI大脑图像,是对其二者进行配准的过程。本文首先基于B样条曲线配准,对MRI脑图像整个区域进行了8*8网格区域划分,这种方法就是构造一个基本的函数,通过控制图像点上的位移,拟合出图像中每个点的运动轨迹。在基于B样条的网格划分后,为了方便计算,我们采用均方差测度作为图像的相似性测度。最后采用了搜索速度快,局部寻优能力强的Powell优化算法进行优化,在3D slicer平台上进行处理操作和显示。由于控制网格密度单一,图像配准效果不甚理想。之后我们采用了另一种图像配准方法:归一化互信息法图像配准。该方法只需基于图像本身灰度信息,考虑图像的灰度直方图相关性,配准精度较高,可以达到亚像素级。归一化互信息进行配准时,考虑了边缘熵和联合熵的比值,配准结果容易得到最优。由于Powell算法依赖初始点,配准过程中容易出现局部最优,我们采用了搜索效率较高的遗传优化算法进行优化。实验结果表明,图像中大部分区域已经达到了比较好的操作配准,配准精度高,在亚像素范围内,但是归一化互信息每一次配准操作都是全局操作,局部处理能力不强,局部复杂区域配准效果不理想。最后本文给出了一种基于B样条和归一化互信息法相结合的医学图像配准方法,在对两幅MRI图像进行归一化互信息全局配准后,针对局部信息较多的区域,我们又进行了B样条配准。实验结果显示,此方法可以改善图像单一网格不清晰的问题,也解决了单纯使用归一化互信息时局部细节精度不高的问题,配准效果较为理想。