基于互信息的图像配准方法

合集下载

基于最大互信息的分层图像配准方法

基于最大互信息的分层图像配准方法

计算机及通信研究基于最大互信息的分层图像配准方法苏瑜 苏敏 刘丽(四川大学电气信息学院,四川成都 610065)摘 要 基于互信息的图像配准算法具有精度高,鲁棒性强的特点,但是容易陷入局部极值,产生误匹配。

本文在配准中采用归一化互信息(NM I)做价值函数,考虑了计算中的出界点和插值问题,将Powe ll 算法与分层策略相结合来进行优化处理,并通过计算图像的灰度重心设置初始参数。

实验结果验证了算法在匹配精度和速度上的有效性。

关键词 图像配准;归一化互信息(NM I);PV 插值;分层策略;Pow ell 算法作者简介 作者简介:苏瑜(1974-),女,四川攀枝花,四川大学电气信息学院,讲师。

研究方向:计算机图象处理。

1 引言医学图像配准技术是医学数字图像处理的一个重要方面,已经广泛应用于医学诊断和治疗过程,对于确定病灶、制定医疗方案以及研究人体生理机能起到了重要作用。

图像的配准是对两幅或者多幅图像进行一系列的空间变换,使其对应点达到一致。

常用的空间几何变换有刚体变换、仿射变换、透视或投影变换和非线性变换(也称弯曲变换)[1]。

一般要求两幅图像是基于同一物体或者是同一类相似性较大的物体而言,不同类的物体相似性差,一般不用来配准。

医学图像配准可以分为单模态配准和多模态配准、2D-3D 图像配准、图像与图谱的配准以及不同对象相同部位的配准等。

配准的方法有基于特征点的、基于灰度信息的方法等等。

一般的配准步骤为:图像信息的预处理,确定空间变换方法,进行相似性测试和优化运算,最后确定整个变换参数并应用于待配准图像中[2]。

使用归一化互信息作为相似性测度函数的图像配准方法由于不需要对图像进行任何预处理,具有精确度较高、人为干预少的优点,而日益受到重视[6]。

但是此方法的计算量大,运算时间长,并且由于互信息利用的是图像的灰度进行相似性测度,本身就存在着误差的问题需要解决。

本文采用基于互信息测度的方法,考虑了出界点策略和插值问题,并在优化算法上采用Po w e ll 方法加以分层处理。

基于互信息的多模态图像配准

基于互信息的多模态图像配准

摘 要基于互信息的图像配准方法直接利用图像的灰度信息,不需要对图像进行分割等预处理,有鲁棒性好、自动化等优点,本文对基于互信息的图像配准进行了研究。

首先介绍了主要图像配准方法和基于互信息配准的基本过程。

分析了图像插值对互信息统计的影响,针对互信息局部极值导致误配准的问题,在PV插值方法的基础上运用核函数的方法抑制互信息局部极值,实验证明可有效消除局部极值,便于最优化搜索算法搜索到正确的配准参数。

为了提高配准的精度和效率,设计了基于小波变换的多级优化方法,采用小波变换和单纯形法相结合的优化算法方法由粗到精进行配准。

针对图像非刚性配准中手动选取标记点存在问题,运用模板匹配自动选择标记点的方法,通过采用薄板样条插值构建待配准图像与参考图像之间的非线性映射关系,初步实现了图像的扭曲校准。

关键词:图像配准,互信息,核函数,小波变换,模板匹配,弹性薄板样条IABSTRACTImage registration based on mutual information (MI) has become an increasing popular match metric due to its wide applicability and overall accuracy. In this paper, image registration based on mutual information is discussed mainly.This thesis firstly introduces the major registration algorithms. Then the process of registration based on mutual information (MI) is described.How the interpolation process may affect the mutual information between images is discussed.Local maxima in multimodality image registration based on mutual information have a large influence on optimization.Based on the partial volume interpolation, the method of kernel function is introduced to decrease the local maxima. Simulations have been done to illustrate that local maxima are eliminated to a great extent.To further accelerate registration speed and accuracy, we design and realize wavelets based coarse to fine image registration method.The problem of manually choosing point for non-rigid image registration is discussed. We make use of template matching to automatically choosing point. Thin plate interpolation is used to realize the global elastic registration. Simulations have been done to illustrate that the efficiency and accuracy of this method in registration strategy.Keywords: image registration, mutual information, kernel function, wavelets transform, template matching, thin plate interpolationII目录第一章 绪论 (1)1.1 图像配准的研究内容和意义 (1)1.2 图像配准方法的研究现状 (2)1.3 基于互信息配准方法的研究进展 (5)1.4本文研究内容 (6)第二章 基于最大互信息的配准方法 (8)2.1 熵 (8)2.2 互信息的计算 (9)2.3 互信息配准算法 (11)2.4 关于互信息方法的一些讨论 (14)2.4.1基于最大互信息配准方法的优点 (14)2.4.2基于最大互信息配准方法的不足 (14)2.5 本章小结 (15)第三章互信息局部极值的抑制 (16)3.1 图像的基本变换 (16)3.2 图像插值 (17)3.2.1 常见插值算法 (17)3.2.2 图像插值的影响 (20)3.3 核函数的抑制方法 (21)3.3.1 三角核函数 (22)3.3.2高斯核函数 (23)3.4 实验结果及对比分析 (24)3.5 本章小结 (31)第四章互信息配准的优化方法 (32)4.1 最优化搜索算法 (32)4.1.1 引言 (32)4.1.2 单纯形的转换 (33)4.1.3 单纯形法的计算步骤 (35)III4.2 基于小波变换的优化方法 (37)4.2.1 小波变换和多分辨分析 (38)4.2.2 Mallat算法和小波分解 (39)4.3 配准实验与结果分析 (42)4.4 本章小结 (47)第五章 基于互信息的非刚性配准 (48)5.1 薄板样条插值 (48)5.2 互信息非刚性配准 (51)5.2.1 分层互信息非刚性配准 (51)5.2.2 自动选取标记点 (53)5.3 实验结果及讨论 (55)5.4 本章小结 (58)第六章 结论 (59)致 谢 (61)参考文献 (62)攻硕期间取得的研究成果 (65)IV第一章 绪论1.1 图像配准的研究内容和意义图像配准技术是将不同时间、不同传感器或不同视角下获取的同一场景的两幅进行匹配的图像处理过程,是图像处理的一个基本问题。

图像配准(互信息)

图像配准(互信息)
图像配准
1.配准的方法分类 1.配准的方法分类
1.1基于灰度信息的方法 1.1基于灰度信息的方法 1.2基于变换域的方法 1.2基于变换域的方法 1.3基于特征的方法 1.3基于特征的方法
基于灰度信息的配准
利用图像本身具有的灰度统计信息来度量图 像的相似度,采用一定的搜索算法使相似 度量最大的变换形式,达到配准图像的目 的。 互信息的概念 用于描述两个系统间的信息相关性,或者一 个系统所包含的另一个系统中信息的多少, 它可以用熵来表示。
i =1 j =1
I
J
( p ( a i , b j ) ) i = 1 , 2 ,. . I 是图像联合灰度概率分布
j = 1 , 2 ,. J
互信息配准
基于互信息的图像配准就是寻找一个空间变 换关系,使得经过该变换后两幅间的互信 息达到最大。 1.确定空间变换形式 1.确定空间变换形式 2.对变换后的非整数坐标上点进行灰度插值, 2.对变换后的非整数坐标上点进行灰度插值, 计算两幅图像间的互信息 3.通过优化算法,使互信息达到最大值 3.通过优化算法,使互信息达到最大值
互信息配准
试验测试
1.仿射变换和双线性插值,穷举搜索 1.仿射变换和双线性插值,穷举搜索 试验结试仿射变换、PV插值和powell搜索最佳 1.测试仿射变换、PV插值和powell搜索最佳 参数(重要之处PV插值优越于其它插值方 参数(重要之处PV插值优越于其它插值方 法) 2.互信息和变换域相结合的方法 2.互信息和变换域相结合的方法
H(AB) =−∑pAB(ab)logpAB(ab) , , ,
i= 1
n
互信息配准
互信息 I(A;B)=H(A)+H(B)I(A;B)=H(A)+H(B)-H(A,B) =H(A)=H(A)-H(A|B) =H(B)=H(B)-H(B|A) H(A|B)为系统B已知时系统A H(A|B)为系统B已知时系统A的条件熵

基于互信息的多模态医学图像配准

基于互信息的多模态医学图像配准

摘 要多模态医学图像配准在医疗诊断、治疗方案的制定以及身体机能的研究等方面起到越来越大的作用。

基于互信息的图像配准方法具有自动化程度高、配准精度高等优点,已被广泛应用于医学图像的配准。

因此本文主要针对基于互信息的多模态医学图像配准进行研究。

所做的主要工作有:首先介绍了医学图像配准技术的意义、发展现状和临床应用。

然后对医学图像配准技术做了一个简单的综述,详细分析了图像配准的基本原理和实现步骤,探讨了医学图像配准的主要方法,同时还对配准方法的分类及相关评估进行了综述。

其次深入的研究了基于互信息的医学图像配准方法,并讨论了互信息的相关理论知识以及插值方法、出界点处理和采样技术对互信息配准的影响。

针对基于互信息的图像配准中的局部极值现象,本文详细分析了局部极值产生原因,然后根据信息熵的基本性质,提出了采用降低图像灰度级的方法来抑制局部极值。

仿真实验证明该方法可以有效抑制局部极值,便于最优化搜索算法搜索到正确的配准参数。

最后在对最优化搜索算法研究中,介绍了全局寻优能力较强的遗传算法。

并针对互信息法图像配准过程中待优化目标函数的性质,对基本遗传算法从编码方式和遗传算子操作等几个方面进行了改进,提出了一种基于实数编码的自适应遗传算法。

而后根据该算法和Powell算法各自的优点,提出了采用两种算法相结合的混合优化算法对互信息函数进行优化的方法。

仿真结果证明了采用混合优化算法可以有效的提高配准的稳定性与精度。

关键词:图像配准;多模态医学图像;互信息;局部极值;灰度级数;基于实数编码的自适应遗传算法;AbstractMultimodal medical image registration is becoming increasingly important in diagnosis,treatment planning,functional studies,computer-guided therapies,and in biomedical research.The matching algorithm based on mutual information,which has the advantages of high speed,good automation and superion accuracy,is widely used in medical image registration.So this paper mainly discusses multimodality image registraion based on mutual imformation.Firstly,it is introduced in the paper that the significance,development and clinical applications of medical image registration.Then the paper describes a simple summary of medical image registration.The konwledge about basic principle,implementation steps,and main methods of it.Meanwhile, both the classification of the registration methods and the concerned evaluation are surveyed.Secondly,the paper deeply studies the medical image registration based on mutual information,the background and the foundation concept of it are introduce.And detail discusses the afection of interpolation,outlier strategy and sampling technology.To solve the problem of local maxima in image registraiton based on MI,this paper analyses the reasons of the local maxima and investigates a approach of decreasing the gray levels of registration images according to the basic properties of the information entropy.Simulations have been done to to illustrate that this method can restrain the local maxima efficiency and convenient for the optimization algorithm to search the correct translation parameters.Finally in the rearch of optimized searching arithmetic,this paper introduces the Genetic Algorithm(GA).And because of the optimized objective function in image registraiton,an adaptive Real-coded Genetic Algorithm(ARGA) was proposed which is improved on the coding modes,genetic operators,etc.Then according to the two algorithms advantages we use the mixed optimization algorithm based on ARGA and Powell algorithm to optimize the function of information entropy.Experiment results show subvoxel accuracy can be achieved and the feasibility and efficiency of this method are verified.Key Words:Image Registration; Multimodality Medical Image; Mutual Information; Local Maxima; Gray Level; Adaptive Real-coded Genetic Algorithm;目 录第1章绪论 (1)1.1 医学影像技术 (1)1.1.1 医学影像技术的发展 (1)1.1.2 医学影像的种类和特点 (1)1.2医学图像配准技术 (2)1.2.1 背景介绍 (2)1.2.2 医学图像配准技术的发展历史 (2)1.2.3 医学图像配准技术的应用 (3)1.2.4 医学图像配准技术存在的问题 (4)1.3论文安排 (4)第2章医学图像配准技术综述 (5)2.1 图像配准的原理及概念 (5)2.2 图像配准方法的分类 (6)2.3 图像配准的主要过程 (7)2.3.1 特征空间 (7)2.3.2 几何变换 (8)2.3.3 优化算法 (9)2.4主要的医学图像配准方法 (9)2.4.1 基于图像特征的配准方法 (10)2.4.2 基于像素(体素)的配准方法 (11)2.5 配准的评估 (12)2.6小结 (14)第3章基于互信息的医学图像配准 (15)3.1基本概念 (15)3.1.1 熵 (15)3.1.2 灰度直方图 (15)3.2互信息配准的基本步骤 (16)3.2.1 空间变换 (17)3.2.2 插值技术 (17)3.2.3 出界点问题 (19)3.2.4 采样技术 (20)3.2.5 优化算法 (21)3.3小结 (25)第4章互信息局部极值的成因分析及抑制方法 (26)4.1互信息函数局部极值成因分析 (26)4.2基于压缩图像灰度级对局部极值的抑制 (28)4.2.1 压缩图像灰度级的方法 (28)4.2.2 压缩图像灰度级对PV假像的抑制 (29)4.2.3 压缩图像灰度级对图像噪声的影响 (30)4.2.4 压缩图像灰度级对互信息大小的影响 (32)4.2.5 压缩图像灰度级对配准精度的影响 (32)4.2.6 压缩图像灰度级对配准速度的影响 (33)4.3配准实验 (33)4.3.1 实验图像 (33)4.3.2 配准过程中参数设置 (34)4.3.3 配准评估 (34)4.3.4 结果分析 (35)4.3.5 目测检验 (35)4.4算法可靠性分析 (35)4.4.1 加噪声实验 (36)4.4.2 图像数据缺失实验 (37)4.5小结 (38)第5章互信息最优化搜索算法 (39)5.1遗传算法 (39)5.1.1 基本遗传算法(Simple Genetic Algorithms,SGA)的步骤 (39)5.1.2 遗传算法的优缺点 (40)5.2.1 编码改进 (42)5.2.2 自适应调整的交叉和变异概率 (42)5.2.3 最优保存策略 (43)5.3实数编码自适应遗传算法配准实验 (44)5.3.1 配准过程中参数设置 (44)5.3.2 结果分析 (44)5.4混合优化算法 (45)5.4.1 混合优化算法定义 (45)5.4.2 混合优化配准实验 (46)5.4.3 混合优化算法的多分辨率策略 (46)5.5小结 (47)结论 (48)参考文献 (50)附录A 攻读学位期间所发表的学术论文目录 (53)致谢 (54)第1章 绪 论1.1 医学影像技术1.1.1 医学影像技术的发展自从X射线发明以来,CT(计算机断层成像),MR(磁共振成像),B超等现代医学影像设备先后出现,使得传统的医学诊断方式发生了根本性的变化。

基于互信息和二级搜索的图像配准

基于互信息和二级搜索的图像配准
me t h o d i s e a s y t o b e i n t e r f e r e d b y l o c a l e x t r e ma t h a t c a n t g e t t h e o p t i ma l s o l u t i o n . Di s c u s s i o n s a r e ma d e a b o v e t h e me a s u r e o f
So f t wa r e Tec h n o l o g y
基于互信 息和 二级搜 索 的图像 配 准
周 呜, 朱 振 福 ( 航 天 科 工 集 团第 二 研 究 院 2 0 7所 , 北京 1 0 0 8 5 4)
摘 要 : 基 于 互 信 息 的 图 像 配 准 方 法 。 已经 广 泛应 用 于 图像 配 准 领 域 。 但 互 信 息 图 像 配 准 方 法 容
( I n s t i t u t e 2 0 7, T h e S e c o n d A c a d e my o f C h i n a A e r o s p a c e S c i e n c e& I n d u s t r y C o r p, B e i j i n g 1 0 0 8 5 4, C h i n a )

mu t u a l i n f o m a r t i o n, i ma g e i n t e r p o l a t i o n a n d o p t i mi z e r , w h i c h a r e t h e t h r e e c r u c i a l f a c t o r s o f mu t u a l i fo n ma r t i o n b a s e d i ma g e

基于互信息的医学图像配准方法研究

基于互信息的医学图像配准方法研究

分类号学号 641860200671992 学校代码 10487硕士学位论文基于互信息的医学图像配准方法研究学位申请人:汪春芳学科专业:模式识别与智能系统指导教师:桑农教授答辩日期:2008年11月5日A Thesis Submitted in Partial Fulfillment of the RequirementsFor the Degree for the Master of Engineering Medical Image Registration Method based on Mutual InformationCandidate : Chunfang WangMajor:Pattern Recognition & Artificial IntelligenceSupervisor : Prof. Sang NongHuazhong University of Science & TechnologyWuhan 430074,P.R.ChinaOct,2008独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。

尽我所知,除文中已经标明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。

对本文的研究做出贡献的个人和集体,均已在文中以明确方式标明。

本人完全意识到本声明的法律结果由本人承担。

学位论文作者签名:汪春芳日期: 2008 年11月05日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,即:学校有权保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。

本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描复制保存手段和汇编本学位论文。

保密□,在年解密后适用本授权书。

本论文属于不保密√。

(请在以上方框内打“√”)学位论文作者签名:汪春芳指导教师签名:桑农日期:2008年 11月05日日期:2008 年 11月05日摘要医学影像学为临床诊断提供了多模式的医学图像,各种成像设备对病人同一解剖结构得到的形态信息和功能信息是互补的,在临床应用中经常需要将不同模态的图像结合起来,同时从不同模态的图像中获得信息。

基于互信息的图像配准技术研究毕业论文

基于互信息的图像配准技术研究毕业论文

基于互信息的图像配准技术研究毕业论文目录第1章绪论 (1)1.1 研究背景 (1)1.1.1 应用价值 (1)1.1.2 研究概况及发展趋势 (1)1.2 本文研究内容 (2)第2章图像配准 (4)2.1 图像配准的基本过程 (4)2.2图像配准方法的分类 (5)2.3 主要的图像配准方法 (7)2.3.1 基于特征的配准方法 (7)2.3.2 基于灰度的配准方法 (7)2.4 本章小结 (8)第3章互信息在配准中的应用 (9)3.1 互信息的概念 (9)3.1.1 熵 (9)3.1.2 互信息 (11)3.2 基于互信息的配准 (11)3.2.1 互信息配准的基本步骤 (11)3.2.2 MATLAB平台中互信息的配准 (12)3.3 本章小结 (13)第4章互信息图像配准的技术 (14)4.1 插值技术 (14)4.1.1 最近邻插值法 (14)4.1.2 三线性插值法 (15)4.1.3 部分体积分布插值法 (16)4.2 出界点处理 (18)4.3 灰度级别对配准的影响 (18)4.4 优化算法 (20)4.4.1 引言 (21)4.4.2 Powell法 (21)4.4.3 遗传算法 (22)4.4.4 遗传-模拟退火混合优化算法 (26)4.4.5 蚁群算法 (28)4.5 本章小结 (31)结论 (33)参考文献 (34)致谢 (36)第1章绪论1.1 研究背景1.1.1 应用价值随着图像信息的需求日益强烈,近二十年来,图像融合的研究蓬勃兴起,成为图像处理的一大热点。

在实际应用中,单一模态的图像往往不能提供所需要的足够的信息,通常需将不同模态的图像融合在一起,得到更丰富的信息以便了解综合信息。

然而不同模态的图像会出现成像原理不同、分辨率不同、灰度属性不同等情况,图像间并不存在简单的一一对应关系。

为了能将不同模态图像中的信息融合在一起,就必须首先进行图像配准。

图像配准是图像分析和处理的关键步骤,在遥感图像处理、医学图像处理、计算机视觉和模式识别等领域得到广泛应用。

基于互信息的图像配准

基于互信息的图像配准

信息论大作业基于互信息的图像配准班级:金融101学号:2009302311姓名:魏泉1. 引言随着医学、计算机技术及生物工程技术的发展,医学影像学为临床诊断提供了多种模态的医学图像,不同的医学图像提供了相关脏器的不同信息:CT(Computed Tomography ,电子计算机X 射线断层扫描)和MRI(Magneticresona nce ima ging ,核磁共振成像)以较高的空间分辨率提供了脏器的解剖结构信息。

在实际临床应用中,单一模态的图像往往不能提供医生所需要的足够的信息,通常需要将不同模态的图像融合在一起,得到更丰富的信息,以便了解病变组织或器官的综合信息,从而做出准确的诊断或制订出合适的治疗方案。

而图像配准是图像融合的重要前提,图像配准是指对一幅图像进行一定的几何变换而映射到另一幅图像中,使得两幅图像中的相关点达到空间上的一致。

图像配准主要有两大类方法,基于灰度的方法和基于特征的方法。

基于灰度的配准方法直接利用图像的灰度数据进行配准,从而避免了因分割而带来的误差,因而具有精度较高、鲁棒性强、不需要预处理而能实现自动配准的特点。

在基于灰度的配准方法中,基于互信息的方法包括互信息和归一化互信息方法,它们已经被广泛使用并具有最高的精度。

本文使用的是基于互信息的配准方法。

2. 图像配准技术2.1图像配准技术的数学定义 数字图像可以用一个二维矩阵来表示,如果用),(1y x I、),(2y x I 分别表示待配准图像和参考图像在点(x,y)处的灰度值,那么图像I 1、I 2的配准关系可表示为:))),(((),(12y x f g y x I I= (1)其中f 代表二维的空间几何变换函数;g 表示一维的灰度变换函数。

配准的主要任务是寻找最佳的空间变换关系f 与灰度变换关系g ,使两幅图像实现最佳对准。

其中,空间几何变换是灰度变换的前提,是实现精准配准的关键环节。

2.2几何变换空间变换主要解决图像平面上像素的重新定位问题,式(1)中的空间几何变换函数f 可用空间变换模型进行描述,常用的空间变换模型有刚体变换、仿射变换、投影变换和非线性变换。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
西北工业大学自动化学院,陕西西安(710129) E-mail: wangguoxing@
摘 要: 本文介绍了图像配准的基本原理与方法,然后提出了一种基于互信息 的图像配准方法,并利用 MATLAB 对两幅图像进行了配准实验,通过实验,证 明该方法非常有效,达到了图像配准的目的。 关键词:MATLAB; 信息熵;互信息;图像配准; 中图分类号:TN91 文献标识码:A
3. 图像配准的实现
3.1. 实现过程:
配准所用的图像1为230 *230的核磁共振(MRI )成像,即参考图像,如 图1所示,图像 2为512*512计算机 X射线断层扫描( CT)成像,即待配准图 像,如图2所示。将两幅图像读入 MATLAB[4] ,利用rgb2gray转为灰度图像,并 把数据保存在ima ge.mat 中。
a ,b
2.2. 配准方法
基于互信息的配准方法 [3] 直接利用图像的灰度值实现两幅图像间的配 准,其算法过程如下: 首先根据两幅图像的基本情况预设一个初始参数 x0 ,其中 x0(1) 为裁剪 旋转 x0(3) 角的图像 2 行的第一个索引。x0(2) 为裁剪旋转 x0(3) 角的图像 2 列 的第一个索引,x0(3) 为旋转的角度,x0(4) 为比例因子。然后按照给定的初始 参数对图像 2 进行变换,并计算图像 1 和图像 2 的互信息,然后利用最优化 工具箱中的 fminsearch 函数在 x0 附近寻找使图像 1 和图像 2 互信息最大的 点,直至搜索到满足精度要求的参数;最后输出配准参数。
3.2.2 MI.m
function f= MI(x) %这是ImageRegistration.m子程序, 基于互信息的图像配准方法. load image IM1=double(IM 1); IM2=double(IM 2); IM2=imresize(IM 2, x(4), 'bilinear'); %x(4) 倍IM2大小的图像 J=imrotate(double(IM 2), x(3),'bilinear'); %逆时针旋转x(3) 度 J=abs(J)*255/max(max(J)); [n1 n2]=size(IM 1); [n3 n4]=size(J); if n1>n3-x(1)/2 f=1000; message=strvcat('The scaling factor is too small.', 'Press Ctrl+C to stop.','Increase x0(4) and restart.'); disp('Press Ctrl+C to stop.') Errordlg(message) pause; else if x(1)>n3-n1 x(1)=n3-n1-1; IM1(1:n1, 1:n2)=255; end if x(2)>n4-n2 x(2)=n4-n2-1; IM1(1:n1, 1:n2)=255; end if x(1)<0 x(1)=0; IM1(1:n1, 1:n2)=255; end if x(2)<0 x(2)=0; IM1(1:n1, 1:n2)=255; end xt=1:n1; yt=1:n2; xx=round(xt+x(1)); yy=round(yt+x(2)); IM2=round(J(xx, yy)); %选择图像2的部分去匹配图像1的大小。 rows=size(IM 1,1); cols=size(IM 2,2); N=256; h=zeros(N,N);
参考文献
[1] 高智勇 .钱勇先,林家瑞等 《多模态医学图像配准技术的分类与研究进展》 . 国外医学生物医学工程分 册,2000,23~206 [2] 赵永强,《认知系统中的信息论》.西北工业大学出版社,2009,127~148 [3] 陈显毅,《基于互信息的多模医学图像配准》,琼州学院学报, 第 l5 卷第 5 期,2008,37~40 [4] 刘正君,《MATLAB 科学计算与可视化仿真宝典》电子工业出版社,2009 ,405~409. [5] 董霖,《MATLAB 使用详解》科学出版社,2008 ,116~119.
图1
参考的MRI 图像
图2
待配准的CT图像
- 3 -

然后利用 [x, fval]= fminsearch(@MI,x0) 进行配准 , fminsearch [5] 在 x0 附近寻 找函数MI的最小值,MI 函数值为图像1和变换后图像2的互信息的相反数。运 行该程序后,得出: x = [53.7948 49.6512 -13.5506 0.5379]T fval = -1.3596 Elapsed time is 46.176000 seconds. 并得出了配准后的图像,如图3所示。
- 5 -
for ii=1:rows; for jj=1:cols; h(IM1(ii,jj)+1,IM 2(ii,jj)+1)= h(IM1(ii,jj)+1,IM 2(ii,jj)+1)+1; end end [r,c] = size(h); b= h./(r*c); %正常化的联合直方图 y_marg=sum(b); x_marg=sum(b'); %正常化联合直方图的行的和 %正常化联合直方图的列的和
%图像1的边际熵
%图像2的边际熵
%联合熵
%互信息的相反数,因为主函数要求f的最小值,所以f最小时,互信息最大。
4. 结论
本文介绍了图像配准的基本原理与方法, 然后提出了一种基于互信息的图像 配准方法,并利用 MATLAB 对两幅图像进行了图像配准实验,通过实验,证明 该方法非常有效,达到了图像配准的目的。
Hy=0; for i=1:c; if y_marg(i)~=0 Hy = Hy + -(y_marg(i)*(log2(y_marg(i)))); end end Hx=0; for i=1:r; if x_marg(i)~=0 Hx = Hx + -(x_marg(i)*(log2(x_marg(i)))); end end hxy = -sum(sum(b.*(log2(b+(b==0))))); f = -(Hx+Hy-hxy); end
图3
配准结果
从配准结果可以看出,对图像 2进行顺时针旋转 13.5506 °角 , 压缩0.5379 倍后,两幅图像的互信息达到最大值1.3596 ,此时图像 配准已经完成,整个配准所用时间为46.176秒,所以本文所用的算 法的非常有效,可以满足像素级的配准精度要求。 3.2.所用到的 M 文件及其源代码 .m 3.2.1.ImageRegistration ImageRegistration.m
- 6 -

Image Registration Based on Mutual Information
Wang Guoxing
College of Automation, Northwestern Polytechnical University , Xi 'an, PRC(710129)
1. 引 言
随着医学、计算机技术及生物工程技术的发展,医学影像学为临床诊断 提供了多种模态的医学图像,不同的医学图像提供了相关脏器的不同信息: CT(Computed Tomography,电子计算机 X 射线断层扫描 )和 MRI(Magnetic resona nce ima ging, 核磁共振成像 ) 以较高的空间分辨率提供了脏器的解剖结 构信息。在实际临床应用中,单一模态的图像往往不能提供医生所需要的 足够的信息,通常需要将不同模态的图像融合在一起,得到更丰富的信息, 以便了解病变组织或器官的综合信息,从而做出准确的诊断或制订出合适 的治疗方案。而图像配准是图像融合的重要前提,图像配准是指对一幅图 像进行一定的几何变换而映射到另一幅图像中,使得两幅图像中的相关点 达到空间上的一致。 图像配准主要有两大类方法,基于灰度的方法和基于特征的方法[1] 。基 于灰度的配准方法直接利用图像的灰度数据进行配准, 从而避免了因分割而 带来的误差,因而具有精度较高、鲁棒性强、不需要预处理而能实现自动配 准的特点。在基于灰度的配准方法中,基于互信息的方法包括互信息和归一 化互信息方法,它们已经被广泛使用并具有最高的精度。本文使用的是基于 互信息的配准方法。
Abstract
This paper describes the basic principles and methods of the image registration, and proposes a method of image registration based on mutual information, and do an image registration experiment of two images using MATLAB, through experiments, we can see that the method is very effective, reaching the purposes of image registration..
Keywords : MATLAB; Entropy; Mutual Information; Image Registration
2. 基于互信息的配准方法
2.1.互信息的计算
互信息[2] 是信息论中的一个基本概念,通常用于描述两个系统间的统计 相关性,或者是一个系统中所包含的另一个系统中信息的多少,它可以用信 息熵来描述 : I(A,B)= H(A)+H(B)-H(A,B)
- 2 -


基于互信息的图像配准方法
学院: 专业: 班级: 学号: 姓名:
自动化学院 信息工程专业 09030701 2007302147 王国星
相关文档
最新文档