CT与超声数据配准的研究和实现

论文摘要

随着计算机技术的飞速发展,临床医学对于医学图像处理技术也提出了越来越高的要求。在临床诊断中,医生常常需要综合的使用来自不同医学影像设备或不同时刻、不同角度的医学图像作为依据进行医疗诊断,但是由于成像的原理不同,或者是成像的环境不同,到时不同模态的图像存在很大差异,这样,图像配准技术应运而生,并且在医学图像处理技术中,越来越受到专业领域的关注,也成为国内外研究领域的重点和难点。为了提高多模图像配准的成功率和准确度,本文针对医学图像处理中的多模图像配准问题展开研究,提出了基于互信息的优化配准方法。通过采用全局均值算法和形态学梯度法迭代的方法提取图像的边缘特征信息,采用加入权值的互信息测度配准算法进行多模图像配准,最终成功的将准确率提升到96%。论文主要的工作和研究成果如下:1.提出了不同模态的医学图像边缘特征的提取方法,保证多模图像的特征信息被充分的保留和提取。通过使用全局均值算法进行超声图像的滤波,以减少噪声,增强特征。与此同时,通过数学形态学梯度的操作对图像进行膨胀和腐蚀处理,提取图像的边缘特征信息,为下一步的配准提供良好的输入图像信息。2.在配准过程中,采用了基于Parzen窗的互信息测度法,通过Powell算法进行优化搜索,完成CT图像和超声图像配准工作的参数确定,并采用PV(Partial Volume)算法进行图像插值,完成多模图像配准。3.在互信息的定义信息熵中引入加权系数,对传统的基于互信息的配准方法进行改进。突出了配准图像的互信息值,减少了由于局部极值而产生的极值差异度不明显而造成的误差或者误配准,提高了基于互信息的多模配准的成功率和准确性。本文针对基于互信息的配准方法中存在的问题进行了深入的研究和讨论,提出了一套有效的优化方案及相应的实现,在配准的成功率和精度上都取得了较好的效果。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题背景与研究意义
• 1.2 国内外研究现状
• 1.3 医学超声和CT 图像
• 1.3.1 医学超声图像
• 1.3.2 医学CT 图像
• 1.4 论文主要工作以及章节安排
• 1.4.1 论文主要工作
• 1.4.2 论文章节安排
• 第2章 图像特征提取
• 2.1 引言
• 2.2 图像滤波
• 2.2.1 常见的滤波器
• 2.2.2 双边滤波（The Bilateral Filtering）
• 2.2.3 全局均值算法（Non-Local means Algorithm）
• 2.3 边缘检测算法
• 2.4 基于形态学的边缘提取算法
• 2.5 本章小结
• 第3章 图像配准的原理及流程
• 3.1 引言
• 3.2 医学图像配准原理
• 3.3 图像配准方法的分类
• 3.3.1 根据配准图像的维度分类
• 3.3.2 根据待配准图像的模态分类
• 3.3.3 根据配准所基于的图像特征分类
• 3.3.4 根据变换的特性分类
• 3.3.5 根据变换参数的确定方式分类
• 3.3.6 根据与用户的交互性分类
• 3.4 图像配准的流程
• 3.4.1 图像配准的空间变换
• 3.4.2 图像配准的插值方法
• 3.4.3 图像配准的优化策略
• 3.4.4 图像配准的相似性测度
• 3.5 本章小结
• 第4章 基于互信息的图像配准优化
• 4.1 引言
• 4.2 基于互信息的相似性测度
• 4.2.1 互信息的基本理论
• 4.2.2 互信息的计算
• 4.2.3 基于互信息的改进算法
• 4.2.4 基于互信息法的图像配准的基本框架
• 4.2.5 互信息法的优点和缺点
• 4.3 加入权值的互信息优化算法
• 4.3.1 基于互信息的配准算法中的局部极值
• 4.3.2 加入权值的互信息优化算法
• 4.4 本章小结
• 第5章 实验设计与结果分析
• 5.1 引言
• 5.2 实验环境及实验数据
• 5.2.1 实验软硬件环境
• 5.2.2 实验数据
• 5.3 实验设计与方法
• 5.3.1 加入权值的互信息优化算法的实现
• 5.3.2 基于加权系数的互信息配准算法的优点
• 5.4 实验结果与分析
• 5.4.1 预处理方法的选取
• 5.4.2 引入权值的互信息法
• 5.4.3 引入权值的互信息优化算法与其他基于互信息配准算法的比较
• 5.5 本章小结
• 第6章 结论与展望
• 6.1 工作总结
• 6.2 未来展望
• 参考文献
• 符号与标记 （附录1）
• 致谢
• 攻读硕士学位期间已发表论文