改进的粒子群优化算法（PSO）及其在医学图像配准中的应用

论文摘要

对同一病人进行多种模式或同一模式的多次成像,将所得图像进行配准,可以得到更全面的信息,提高医学诊断和治疗的水平。配准问题实质是配准函数优化问题,本文的主要任务是寻找精确性和收敛性都较好的优化算法。本文首先概述配准的意义和分类,比较各种方法的优劣,选取基于像素的配准方法。详述了其三个组成部分:搜索空间、相似性测度、优化算法。选取归一化互信息为相似性测度。对常用的优化算法进行分类分析:局部寻优算法容易陷入局部极值;全局寻优算法计算复杂、收敛速度慢。为了克服这些问题,又因为粒子群(Particle Swarm Optimization, PSO)算法在其他领域应用有着良好的效果,本文对之在配准领域的应用进行了研究。本文分析了PSO优化算法的基本原理,指出其具有结构简单、运行速度快的特点,但存在早熟收敛和后期振荡现象。讨论了PSO的三类改进算法,重点研究基于惯性权重的改进算法,通过配准实验依次分析固定惯性权重、线性递减惯性权重、非线性递减惯性权重PSO算法的改进效果和仍然存在的不足之处,以及这几种算法在本文的配准应用中取得的效果,继而本文提出将惯性权重动态调整PSO优化算法应用于配准。接着本文探讨了惯性权重动态调整PSO优化算法中引入的两个因子、惯性权重计算方法、算法流程。然后进行配准实验,在最优取值空间内寻找适合医学图像配准的因子权重最佳取值组合。继而根据实际应用的要求,对粒子群初始位置采用均匀赋值,避免随机产生的初始位置集中在某小块区域而使寻优陷入局部极值。并加入进化速度因子作为搜索中止条件,加快了收敛速度。最后编程实现改进后的惯性权重动态调整的粒子群优化算法,进行配准实验,与前面几种基于惯性权重的改进PSO优化算法比较,结果表明,该算法既能找到全局最优又能快速收敛。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 肿瘤治疗需求和聚焦超声系统
• 1.2 聚焦超声系统中的图像定位与监测技术
• 1.3 医学图像配准
• 1.3.1 医学图像配准的起源
• 1.3.2 医学图像配准的定义
• 1.3.3 医学图像配准的发展历史和研究现状
• 1.3.4 医学图像配准的步骤
• 1.4 粒子群优化算法
• 1.5 本文的组织结构和内容安排
• 第二章 医学图像配准与粒子群优化算法
• 2.1 医学图像配准
• 2.1.1 医学图像配准的意义
• 2.1.2 医学图像配准的分类
• 2.2 基于像素的医学图像配准方法
• 2.2.1 搜索空间
• 2.2.2 相似性测度
• 2.2.3 优化算法
• 2.3 基本PSO 算法
• 2.3.1 算法思想
• 2.3.2 数学描述
• 2.3.3 参数意义
• 2.3.4 算法流程
• 2.3.5 算法的应用
• 第三章 几种PSO 改进算法在医学图像配准应用中的比较
• 3.1 基本PSO 的局限性
• 3.2 PSO 算法的改进形式
• 3.2.1 基于参数调整的PSO 改进算法
• 3.2.2 基于拓扑结构的PSO 改进算法
• 3.2.3 混合PSO 算法
• 3.3 固定惯性权重PSO 算法
• 3.3.1 算法原理
• 3.3.2 算法流程
• 3.3.3 配准实验与分析
• 3.3.4 讨论
• 3.4 惯性权重线性递减PSO 算法
• 3.4.1 算法原理
• 3.4.2 算法流程
• 3.4.3 配准实验与分析
• 3.4.4 讨论
• 3.5 惯性权重非线性递减PSO 算法
• 3.5.1 算法原理
• 3.5.2 配准实验与分析
• 3.5.3 讨论
• 3.6 惯性权重动态调整PSO 算法
• 第四章 惯性权重动态调整PSO 算法及其在医学图像配准应用中的改进
• 4.1 惯性权重动态调整PSO 算法
• 4.1.1 进化速度因子
• 4.1.2 聚集度因子
• 4.1.3 动态调整的惯性权重
• 4.2 本文配准问题中因子权重的选择
• h 的选择'>4.2.1 ω_h的选择
• s 的选择'>4.2.2 ω_s的选择
• 4.3 粒子群位置初始化方法的改进
• 4.4 增加迭代中止条件
• 4.5 本文改进算法的算法流程
• 4.6 实验结果与分析
• 4.6.1 基于Matlab 的参数编码格式
• 4.6.2 实验数据与分析
• 4.6.3 讨论
• 第五章 结论与展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文