基于新策略改进优化算法的医学图像配准研究

论文摘要

临床的诊断治疗往往要求对病人的病变部位进行多次成像,以获取互补、有效、全面的信息,提高医生的治疗效果。因此,在一幅图像上体现多方面的信息、,形成的图像信息融合与重建成为医学影像学的发展方向。作为图像信息融合的基础,医学图像配准(Medical Image Registration)具有重要的临床应用价值,不仅可以用于诊断治疗,还可以用于跟踪病理变化以及评价治疗效果等多方面。图像配准已经成为当前医学图像处理领域中的研究热点,它主要是寻找两幅图像之间的一个最佳变换,使其中一幅图像在该变换下与另一幅图像达到空间位置或解剖结构的一致。医学图像配准的研究具有一定的复杂性和困难度,虽然已经提出了诸多算法,但每种方法都是针对某一特定问题而设计,因此具有一定的局限性。本文分析对比了基于特征与基于像素的医学图像配准方法,对基于互信息的配准方法进行了深入研究,讨论了图像变换引起的重叠面积的差异、图像灰度级别、采样插值技术对配准的影响。由于互信息仅用到了图像的灰度信息,没有考虑到像素之间的空间位置关系,本文将待配准图像间的对齐度(AM)引入到归一化互信息中,并定义了新的相似性函数——互距离最小归一化互信息(CI_NMI)；为减少配准过程中的运算量,利用小波对图像进行多分辨率分解,在低分辨率下采用CI_NMI作为测度函数,利用Powell方法找到的最优解作为下次搜索迭代的初始参数；在高分辨率下对归一化互信息(NMI)采用PSO算法搜索,由实验结果可看出改进测度函数在多分辨率思想下不仅能得到精确的配准结果,同时高效地收敛到最佳配准参数。此外,在对经典PSO算法深入分析研究后,选择了搜索性能最高的权重系数动态改进的PSO算法(DT_PSO)。实验三分别对各种改进权重因子的PSO算法在典型变换条件下进行了仿真,可看出DT_PSO在保证同样精度的前提下所需迭代次数最少；又由于经典算法熟练条件单一,常在最优解附近徘徊以致不能收敛,本文在此基础上提出附加收敛条件,使DT_PSO算法能高效率地收敛到最优解。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 医学图像配准的意义及应用
• 1.2 医学图像配准的发展
• 1.3 医学图像配准存在的问题
• 1.4 论文的主要工作及创新点
• 1.5 论文的结构安排
• 第二章 医学图像配准技术
• 2.1 图像配准的原理
• 2.2 图像配准的主要方法
• 2.2.1 基于特征的方法
• 2.2.1.1 基于点的方法
• 2.2.1.2 基于曲线的方法
• 2.2.1.3 基于表面的方法
• 2.2.2 基于像素的配准方法
• 2.2.2.1 矩和主轴粗配方法
• 2.2.2.2 基于互相关的方法
• 2.2.2.3 最大互信息配准法
• 2.2.3 基于图谱的方法
• 2.3 图像配准的基本框架
• 2.3.1 特征空间
• 2.3.2 搜索空间
• 2.3.3 度量函数
• 2.3.4 搜索策略
• 2.4 医学图像配准的评估
• 2.5 本章小结
• 第三章 基于最大互信息的医学图像配准
• 3.1 互信息理论的基本知识
• 3.1.1 熵
• 3.1.2 联合直方图
• 3.1.3 互信息
• 3.2 互信息配准流程
• 3.3 配准过程需要注意的问题
• 3.3.1 重叠区域对互信息的影响
• 3.3.2 灰度级别的影响
• 3.3.3 传统的插值技术及其改进
• 3.3.4 局部极值的成因分析与克服
• 3.3.5 小波多分辨率分析
• 3.4 本章小结
• 第四章 优化搜索算法
• 4.1 优化基本理论
• 4.2 POWELL优化策略
• 4.3 启发式优化算法
• 4.3.1 标准PSO算法原理
• 4.3.2 PSO算法的参数设置
• 4.4 系数动态改变的PSO算法
• 4.4.1 进化速度因子
• 4.4.2 聚集度因子
• 4.4.3 迭代终止条件
• 4.5 本章小结
• 第五章 仿真实验与分析
• 5.1 仿真与结果
• 5.2 本章总结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 学位论文评阅及答辩情况表