基于互信息的医学图像匹配中的改进插值算法
改进的二阶互信息医学图像配准算法的研究
改进的二阶互信息医学图像配准算法的研究摘要：针对人脑的二维图像设计了一种改进的遗传算法和二阶互信息相结合的医学图像配准算法，采用互信息配准模型，以图像的灰度统计信息为配准依据，采用改进的遗传算法搜索图像的最优变换参数，并比较一阶互信息配准与改进的二阶互信息配准两种算法，实验表明改进的二阶互信息配准方法具有较高的配准精度和稳定性。
关键词：图像配准；遗传算法；一阶互信息；二阶互信息0 引言随着配准技术的发展，医学图像配准在医学图像处理中的地位日益重要，它是众多医学图像应用中不可或缺的一个步骤。
而将互信息应用于图像配准自首次提出来后便得到了广泛的关注，经过几十年的发展，在一些地方已经投入了临床使用。
虽然在大多数情况下，采用互信息配准技术可以得到较好的配准结果，但它并不是一种完美无缺的方法，在准确性、鲁棒性、速度等方面都还有待改进，这是因为互信息函数值并不是分布较好的凸函数，存在着较多的局部极值。
基于此，本论文尝试对互信息进行一些有效的改进，在一阶互信息的基础上，致力于对二阶互信息图像配准的创新研究，以达到较好的配准结果。
在优化算法上，采用遗传算法，这是一种借鉴生物界自然选择和遗传机制的高效的随机搜索算法，由于具有很好的鲁棒性和隐含并行性，使得它能够有效地进行全局搜索，从而可以克服局部极值，获得全局最优解。
但是，采用简单遗传算法对问题进行优化搜索时，大量适应度低的淘汰过程，以及二进制编码和解码都减缓了算法的搜索速度，而某一代种群中个体适应度差别不大时会减小搜索区域使搜索落入局部最优解而过早收敛。
针对简单遗传算法的这些缺陷，本文对传统的遗传算法进行了改进，以提高配准的速度，克服早熟。
1 互信息1.1 一阶互信息熵是用来测量一个信息源所包含信息量的测度。
图像的一阶熵是基于图像的每一个像素点的灰度概率分布得到的，其计算公式如下：H(A)=- ∑xP\-A(i)log\-AP(i)(1)联合熵则是A和B相关性的统计量。
基于混合互信息和改进粒子群优化算法的医学图像配准
最广泛 ，该方法只对图像本身的灰度信息进行配准，以
［1］
相似性测度为基本配准指标，计算两图像间不同变换下
的相似度，具有配准时间长、计算量大等缺点 。而基于
［2］
群优化算法的医学图像配准方法。在配准前期，使用
Renyi 熵计算两图像的重叠部分互信息，在配准后期，由
B（T（X）））
（1）
其中 S 是相似性测度，配准问题就是寻找最优变
tmax 为初始时预定的最大迭代次数，t 为当前迭代次
数，
max、
min 分别为惯性权重最大值和最小值，
一般设max
为 0.9，min为 0.4［7］。
从公式上可看出，的取值跟 tmax 相关，若 tmax 设置过
大，则搜索到最优解之后仍继续迭代，这将增加算法的平
各自不同特点，提出了一种基于混合互信息和改进粒子
1
1.1
基于互信息的图像配准
图像配准的数学定义
对于给定的两幅图像 A 和 B，转换为数字图像 A（X）
收稿日期：2015-8-28
基金项目：向量变分不等式投影型方法研究（61364015）。
作者简介：黄宝康（1990.11-），男，
在读硕士，
研究方向：
计算机网络和图像处理。
Copyright©博看网 . All Rights Reserved.
·36·
和 B（X），配准的过程就转化为寻找一个空间变换 T，使待
配准图像经过寻找得到的最优变换后，参考图像上的每
一个点都能一一映射到待配准图像。用公式表示如下：
S（T）=S（A（X），
phase. Comparing with the other three algorithms in the experiment of multi-modality medical image registration, the
互信息配准的一种改进算法
很大提高，但是还不能完全抑制重叠面积的变化对互信息计算
的影响。 在以下的配准实验中将用归一化互信息 、
和本文提出的改进算法做对比。
本文采用一种新的方法来解决这个问题， 具体过程如图 1
中的(b)所示。 在待配准图像平移的过程中用移出的部分 A 返回
来和参考图像中的 重叠，B 和 重叠。这样在只有平移的情况
4 结论
本文针对重叠面积的变化导致传统配准方法稳定性差的 问题提出了一种改进的配准方法。 此方法通过“面积补偿”的做 法来保证重叠面积基本不变，从而保证配准效果。 通过对比配 准实验，证实了改进的方法对于配准过程中由于参考图像和待 配准图像平移造成的重叠面积变化具有鲁棒性。 可以得到较好 的配准精度。 这说明改进算法与传统算法比较具有一定的优势。
下整个配准过程中重叠面积保持不变， 称这种情况为全补偿。
《PLC 技术应用 200 例》
邮局订阅号：82-946 360 元 / 年 - 253 -
软件时空
中文核心期刊《微计算机信息》(管控一体化 )2009 年第 25 卷第 1-3 期
这时在互信息的计算中
、
保持不变，由于两图像间的
相 对 运 动 ，像 素 之 间 的 对 应 关 系 的 变 化 ，
(5) 表 1 传统法和改进法的配准误差对比
对 表 1 中 的 数 据 进 行 计 算 可 得 ： 在 Δtx 方 面 的 改 进 率 为 ： 0.61/0.23＝2.65，在 Δty 方面的改进率为：0.59/0.23＝2.57，在 Δa 方 面 的 改 进 率 为 ：0.89/0.88＝1.01。
经济效益：120 万元 参考文献 [1]J.P. Kern, M.S. Pattichis. Robust multispectral image registration using mutual -information models [J]. IEEE Transactions on Geoscience and Remote Sensing,2007,45(5):1494-1505 [2]J. Yao, K.L. Goh. A Refined Algorithm for Multisensor Image Registration Based on Pixel Migration [J]. IEEE Transactions on Image processing, 2007,7,15(7):1839-1847 [3]范俐捷，王岩飞，高鑫.一种新的基于灰度的图像匹配方法[J]. 微计算机信息.2007,10-3:296-297. [4]梅跃松,杨树兴,莫波. 一种新的自动图像配准算法[J].微计算 机信息.2007,9-3:265-267. [5]彭景林，章 兢，李树涛. 基于改进 PV 插值和混合优化算法的 医学图像配准[J]. 电子学报，2006，34(5): 962-965 作者简介：上 官 晋 太(1964--)：男 ，工 程 师。 博 士 生 ，主要 从 事 数 字图像处理研究；杨汝良：男，(1943--)，研究员。 博士生导师，现 从事星载、机载合成孔径雷达系统研究。 Biography: SHANGGUAN Jin -tai (1964 -- ): male, Beijing, Institute of Electronics, Chinese Academy of Sciences, engineer, doctorate candidate . major research area: digital image processing （100190 北京 中国科学院电子学研究所）上官晋太 杨汝良 （100039 北京 中国科学院研究生院）上官晋太 (100875 北京 北京师范大学信息科学与技术学院)郭慧 （Institute of Electronics, Chinese Academy of Sciences, Beijing 100080, China）SHANGGUAN Jin-tai YANG Ru-liang （Graduate School of the Chinese Academy of Sciences, Beijing 100039, China）SHANGGUAN Jin-tai (College of Science and Technology, Beijing Normal University, Beijing 100875, China)GUO Hui 通 讯 地 址 ：（100190 北 京 中 国 科 学 院 电 子 学 研 究 所 北 京 市 海 淀区中关村北一条 9 号六室学生) 上官晋太
基于互信息的医学影像配准
0.8
0.78
-10
-8
-6
-4
-2
0
2
4
6
8
10
旋转角度（滤波后）
0.91
0.9
0.89
息 0.88 信 互
0.87
0.86
0.85
-5
-4
-3
-2
-1
0
1
c)
(d)
图 1 （a）旋转角度 MI 曲线 （b）水平平移 MI 曲线
（c）旋转角度 MI 曲线（滤波后） （d）水平平移 MI 曲线（滤波后）
1.7 12.9 1.8 10.0 1.3 8.7
7.1 14.5 3.4 3.7 12.0 5.7 0.4 11.4 4.1 -5.3 5.8 1.4
表 3 滤波前后配准精度比较（MR CT 上采样 64×64 → 256×256）
Table 3 Comparison Between No Filtering and Filtering Processing
10.0 8.0 5.0 5.2 7.0 4.5 8.0 2.7
为保证滤波后图像的配准精度，滤波预处理必须保证原图像信息不发生改变。滤波去除的是噪 声、复杂纹理等高频信息，对于目标的轮廓、形状大小等信息必须尽可能的予以保留，以保证校准 的精度。我们利用窗函数法，采用 Hamming 窗设计 17 阶低通滤波器，只保留较低的频率分量，对图 像先进行低通滤波处理再计算互信息。
Figure 1 （a）MI curve of rotation angle （b）MI curve of horizontal translation
（c）MI curve of rotation angle (filter preprocessing ) （d）MI curve of horizontal translation (filter preprocessing)
基于互信息的医学图像配准中的优化算法的改进
Ｅ－ｍａｌ ｅ ｆ Ｃ Ｃ ．ｅ ．ｎ ｉ： ｄｕ ＠ Ｃ Ｃｎ ｔｃ
Ｃ ｍｐ ｔｒ ｎｗｅｇ ｎ ｅｈ ｏｏｙ电脑 知 识 与技术 ｏ ｕｅ ｏ ｌｄｅａ ｄＴ ｃｎ ｌ Ｋ ｇ
Ｖｏ ．， ．６ Ｊ ｎ ０１ ． １８ Ｎｏ１ ， ｕ ｅ２ ２
摘要 ： 究 了基于互信息测度的 医学图像配 准方 法， 出了一种优化算 法的改进 。 目的 旨在 于解决配准的精 度和在基于互信 息配 研 提 准过 程 中的效率 问题。提 出的优化算 法是将拟 牛顿方法运用于 多模 医学图像配 准中。实验 结果说 明这种改进的方法能有效提 高
配准的精度和效率 问题 ， 并得到好的实验 效果 。
Ｕｎｖ ｒ ｔ ， ａ ｇｈ ｕ ５ ０ ０ ， ｉａ ｉｅ ｉ Ｇｕ ｎ ｚ ｏ １ ０ ６Ｃｈｎ） ｓｙ
Ａｂ ｔａ ｔ ｓｒ ｃ：Ｔｈｓｐ ｐ ｒｐ ｅｅ ｔ ａｎ ｖ ｌＯｐｉ ｚ ｄｍｅｈ ｄｆｒｍｅ ｉａ ａｅｒｇｓ ａｉｎ ｔｅｐ 印 ｏｅｉ ｔ ｏｖ ｒ ｂｅ ， ｉｈ ａｅ ｔｅ ｉ ａ ｅ ｒｓｎｓ ｏ ｅ ｔｍｉｅ ｔｏ ｏ ｄｃｌｍ ｇ ｅ ｉ ｒｔ ， ｈ ｕ ｓ ｓ ｏ ｓｌｅｐｏ ｌｍｓ ｗｈｃ ｒ ｈ ｉ ｔ ｏ
１ 熵 与 互信 息 ． １
熵是信息论 中的一个概念 ， 是系统复杂性和不确定性 的测度 。香农在 １４ 年提 出了熵 的概念 ， 以度量通信过程 中心信息源 ９８ 用
ｗｈｃ ｅ ｅ ｐ ｒｃ ｉ ｎｏ ｒｇ ￣ ｉｎ ｃｎ ｓｌ ｅ ｒｂｅ ｏ ｈ ｇ ａ ｕａ ｏ ， ｎ ｈｅ ｅ ｏ ｄｅ ｅ ｔ ｉ ｄ ｖ ｌ ｓ ｅ ｉｏ ｆ ｅ ｓ ｏ ， ａ ｖ ｔ ｏ ｌ ｈ ｏ ｐ ｓ ｉ ｏ ｅｈ ｐ ｍ ｆ ｕ ｅｃ ｃ ｌ ｉｎ ａ ｄ ｃ ｉ ｏ ｃ ． ｌ ｔ ａ ｖ ｇ ｆ ｓ
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。
医学影像处理中的图像配准算法实现技巧
医学影像处理中的图像配准算法实现技巧医学影像处理在现代医学诊断中起着至关重要的作用。
而图像配准作为其中重要的一环，是将不同影像之间进行准确的位置、尺度和方向的对齐，以实现医学影像的比较、融合和分析。
本文将介绍医学影像处理中的图像配准算法实现技巧。
一、图像配准概述图像配准是指将一组图像中的目标物体进行精确定位和对齐。
医学影像处理中的图像配准旨在准确地比较不同时间点或不同影像模态的医学图像，以便更好地追踪疾病的进展和评估治疗效果。
二、图像配准的算法医学影像图像配准的算法可以分为以下几类：1. 特征点匹配算法特征点匹配算法是一种常用的图像配准方法。
该方法通过检测图像中的特征点，并找到这些特征点之间的对应关系，从而实现图像的对齐。
常用的特征点匹配算法包括SIFT、SURF和ORB等。
首先，算法会在图像中提取特征点，并计算每个特征点的描述子。
然后，通过计算特征点描述子之间的相似度，找到最佳匹配。
最后，通过对特征点的位置进行配准，实现图像的对齐。
2. 基于互信息的配准算法互信息是一种常用的图像配准衡量指标，用于评估两幅图像的相似性。
基于互信息的配准算法主要包括归一化互信息（NMI）和互信息标准差（MIS）等。
该方法通过计算图像中的灰度直方图，并结合互信息来衡量两幅图像的相似度。
然后，通过优化配准变换参数，使得互信息最大化，实现图像的配准。
3. 基于变形场的配准算法基于变形场的配准算法利用变形场来描述图像的形变情况，并通过优化变形场来实现图像的对齐。
典型的基于变形场的配准算法有Thin-Plate Spline（TPS）和B-spline等。
该方法首先计算图像的像素点之间的位移，然后通过插值方法生成变形场。
最后，通过优化变形场的参数，实现图像的对齐。
三、图像配准的应用图像配准在医学影像处理中广泛应用于以下领域：1. 临床诊断医学影像图像配准可以提供医生在不同时间点或不同影像模态下进行疾病比较和评估的依据。
例如，在肿瘤的持续监测中，医学影像配准可以实现不同时间点下肿瘤的精确测量和比较。
医学图像处理中的图像配准方法
医学图像处理中的图像配准方法医学图像处理是医学影像科学中的一个重要领域，它利用计算机技术对医学图像进行处理和分析，用于疾病的诊断、治疗和监测。
而图像配准作为医学图像处理中的关键环节，被广泛应用于多种医学领域，如影像对比增强、图像叠加、图像融合等。
本文将介绍医学图像处理中常用的图像配准方法。
图像配准是指将不同影像中对应的特征点或特征区域进行匹配的过程，以实现不同图像之间的对齐或重叠。
在医学图像处理中，图像配准有助于医生更准确、全面地理解病变、解剖结构和功能区域。
以下是几种常用的图像配准方法：1. 特征点匹配法特征点匹配法是一种常用的图像配准方法。
它通过检测和匹配图像中的特征点，如角点、边缘点、斑点等，实现图像的对齐。
该方法的优势在于对于图像的亮度、尺度、旋转和投影变换等具有一定的鲁棒性。
例如，在CT和MRI图像配准中，可以利用特征点匹配法检测头部或骨骼结构的明显特征点，实现图像配准。
2. 相位相关法相位相关法是一种基于图像的频域分析的图像配准方法。
它利用傅里叶变换将图像从空域转换到频域，通过计算图像的互相关函数，寻找最大互相关值对应的位移量，从而实现图像的对齐。
这种方法通常用于医学图像的精确对准，如放射治疗中的CT图像与MRI图像的配准。
3. 互信息法互信息法是一种基于信息论的图像配准方法。
它通过计算图像之间的互信息量，来评估图像的相似度和位移。
互信息越大，说明两幅图像的相似度越高，反之亦然。
互信息法可以用于多模态图像配准，比如将CT图像与PET图像进行配准以实现精确的病变定位。
4. 弹性配准法弹性配准法是一种基于物理模型的图像配准方法。
它通过建立弹性变形模型，将图像的形状进行变换，实现图像的对准。
这种方法适用于需要进行大范围形变的图像配准，如脑部图像配准，可以通过建立弹性模型，将功能区域对齐。
5. 局部插值法局部插值法是一种基于插值算法的图像配准方法。
它通过将图像进行网格化，对网格点进行插值处理，实现图像的变形和对齐。
互信息医学图像配准中PV插值算法的改进
Computer Engineering and Applications计算机工程与应用2010，46（20）113互信息医学图像配准中PV插值算法的改进陈伟卿，华顺刚，欧宗瑛CHEN Wei-qing，HUA Shun-gang，OU Zong-ying大连理工大学机械工程学院CAD&CG研究所，辽宁大连116024CAD&CG Lab，School of Mechanical Engineering，Dalian University of Technology，Dalian，Liaoning116024，ChinaE-mail：cwqcgx_chen@CHEN Wei-qing，HUA Shun-gang，OU Zong-ying.Improvement of PV interpolation in mutual information-based medi-cal image puter Engineering and Applications，2010，46（20）：113-115.Abstract：In algorithm of medical image registration based on Mutual Information（MI），when the translation component isinteger times of pixel size，conventional PV（Partial Volume）interpolation method will result in the emergency of the localextremes in mutual information registration function，which may hamper the optimization algorithm from getting accuratematch parameters.An improved PV interpolation method is proposed by using Blackman-Harris windowed sinc function askernel function.In addition，the number of concerned neighborhood pixels increases to16from 4.Local extremes are eliminat-ed effectively and smooth MI function curve is acquired.The experiments show that the new method is feasible andhashigher robustness.Key words：image registration；mutual information；partial volume interpolation；local extremes；Blackman-Harris windowed sincfunction摘要：基于互信息的医学图像配准算法中，传统的部分体积插值法（PV）使互信息函数在像素整数倍位移处产生局部极值，使优化算法陷于局部最优解，从而导致错误配准。
- 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、"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、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)。
般都定位在单一的传统插值算法 ， 由于传统的插值算法存在插值精 度低或插值速度慢 的缺点 ， 提出 了一种基 于像素点 的
亮度绝对误差的图像插值算法 ， 插值算法结合了近邻插值算法 和双三次插值算法 的优 点， 提高了配准 的速度 和精确度 。通 过对头部 图像进行配准实验， 验证 了插值方法的有效性 。 关键词 ： 互信息 ； 插值算法 ； 像素点亮度
第２ 卷 第７ ７ 期
文章 编 号 ：０ ６—９４ （０ ０ ０ １０ ３ ８ ２ １ ）７—０ ９ ０ １４— ４
计
算
机
仿
真
２０ 月 ０ 年７ １
基 于 互信 息 的 医学 图像 匹 配 中 的改进 插 值 算 法
刘喜 平 ， 龚晓彦 ， 希娟 郭
（ 山大学 ， 燕 河北 秦皇岛 ０ ６０ ６ ０４） 摘要： 基于互信息的配准方法是医学 图像配准领域的重要方法 ， 具有 鲁棒性 ， 精度高等优点 ， 已成为医学图像处理 领域的热 点。在计算两个图像之间的互信息时 ， 了图像 配准精度 ， 为 图像的像素点经过空间变换需要进行插值 ， 目前 采用的插值方法
ｌ ｏ ｉｈ ｃ ｍｂ ｎ ｓｔ ｅ ａ ａ ｔ ｇ ｓｏ ｅ ｒｓ ｅｉｈ ｏ ｎｅ ｌｔｏ ｏ ｉｈ ａ ｄ ｂ ａ ｇ ｒｔｍ ｏ ｉ ｅ ｈ ｄｖ ｎ ａ ｅ ｆｎ ａｅ ｔｎ ｇ ｂ ｒｉ ｔｒ ｏ ａｉｎ ａｇ ｒｔ ｍ ｎ ｉ— ｃ ｂｉ ｉｔｒ ｌｔｏ ｇ ｒｔ ， ｐ ｌ ｕ ｃ ｎ ｅｐｏａｉｎ ａ ｏ ｈｍ ｌ ｉ
Ｗ ｈ ｎ ｃ ｃ ａｉ ｇ ｔｅ ｍｕｔａ ｎｏ ａ ｉｎ ｂ ｔ ｅ ｗｏ ｉ ａ ｅ ｅ ａ ｕｌｔｎ ｈ ｌ ｕ ｉ ｒ ｔｏ ｅｗｅ ｎ ｔ ｍ ｇ ｓ，ｔｅ ｉ ｇ ｘ ｌｐ ｉ ｓｎ ｅ ｎｅｐｏａｉｎ ｉ ｐ ｃ ｒ ｎ — ｌ ｆ ｍ ｈ ｍａ ｅ ｐｉｅ ｏｎｔ ｅ ｄ ｉ ｔｒ ｌ ｔ ｎ ｓ ａ ｅ ｔａ ｓ ｏ
中 图分 类 号 ：Ｐ ９ Ｔ３ １ 文献 标 识 码 ： Ｂ
Ｅｘ ａ ｄｅ ｎ ｅ ｐ ｌ ｔｏ ｉ ｅ ｉ ａ ｍ ａ ｅ Ｒｅ ｉｔ ａ ｉ ｎ ｐ ｎ ｄ Ｉ ｔ ｒ ｏ ａ ｉ ｎ ｎ Ｍ ｄ ｃ ｌＩ ｇ ｇ ｓ ｒ ｔｏ Ｂａ ｅ ｎ Ｍ ｕ ｕａ ｎ ｏ ｍ ａ ｉ ｎ ｓｄ ｏ ｔ ｌＩ ｆ ｒ ｔｏ
ｆｒ ｔ ｎ ｏｍａｉ ．Ａｔ ｒ ｓ ｎ ，ｔ ｅｉ ｔｒ ｏａｉ ｎａ ｇ ｒｔ ｍ ｈ ｓｂ ｅ ｌ ｏ ｆ ｅ ｎ ｓｎ ｌ ａ ｉ ｏ ａ ｔ ｒ ｏａ ｉｎ ｍｅｈ ｄ ｏ ｅ ｅ ｔ ｈ ｎ ｅｐ ｌ ｔ ｌ ｏ ｈ ａ ｅ ｎ ａ ｎ ｎ ｄ ｉ ｉ ｇｅ ｔ ｄ ｔ ｎ ｌ ｎ ｅｐ ｌｔ ｔ ｏ ．Ｄｕ ｐ ｏ ｉ ｌ ｃ ｉ ｒ ｉ ｉ ｏ ｅ ｔ ｈ ｉａ ｖ ｎ ａ ｅ ｆｔ ｅ ｌｗ ｉｔ ｒ ｏａ ｉｎ ａ ｃ ｒ ｃ ｒｓ ｅ ｄ ｉ ｒ ｄ ｔ ｎ ｎ ｅ ｏａ ｉｎ ｍｅｈ ｄ，ｉ ｈ ｓ ｐ ｐ ｒ ｅ ｏ ｔｅ ｄｓ ｄ ａ ｔｇ ｓ ｏ ｈ ｏ ｎ ｅ ｌｔ ｃ ｕ ａ ｙ ｏ ｐ ｅ ｎ ｔ ｉ ｏ ａ ｉｔ ｒ ｌｔ ｔｏ ｐ ｏ ａ ｉ ｌ ｐ ｏ ｎ ｔ ｉ ａ ｅ ，ｗ ｉ ｔ ｄ ｃ ｅ ｍａ ｅ ｉ ｔｒ ｏ ａｉｎ ｍｅｈ ｄ ｗｈｃ ａ ｅ ｎ ｔ ｅ ａ ｓ ｌ ｔ ｒｏ ｆ ｈ ｉｅ ｔｎ ｉ ．Ｔ ｅ ｉｔ ｒ ｏａｉｎ ｎ ｒ ｕ ｅ ａ ｎ ｗ ｉ ｇ ｎｅ ｐ ｌｔ ｔ ｏ ｉｈ ｂ ｓ ｄ ｏ ｈ ｂ ｏ ｕｅ ｅ ｒ ｒ ｅ ｐ ｘ ｌ ｎ ｅ ｓｔ ｏ ｏ ｏｔ ｉ ｙ ｈ ｎ ｅ ｌｔ ｐ ｏ
ＡＢＳ ＴＲＡＣＴ： ｇｓｒ ｔ ｎ ｍｅｈ ｄ ｂ ｓ ｄ ｏ ｔ ａ ｎｏ ｍａ ｉｎ ｉ ｎ ｉ ｏ ｔｎ ｔ ｏ ｎ ｔｅ ｆ ｌ ｆｍｅ ｉａ ｍａ ｅ Ｒｅ ｉ ａｉ ｔ ｏ ａ ｅ ｎ ｍｕｕ ｌ ｆｒ ｔ ｓ ａ ｍｐ ｒ ｔｍｅｈ ｄ ｉ ｈ ｅｄ ｏ ｄ ｃ ｌｉ ｇ ｔ ｏ ｉ ｏ ａ ｉ ｒ ｇｓｒ ｔ ｎ，ａ ｄ ｉ ｉ ｏ ｕ ａ ｎ ｍｅ ｉａ ｇ ｒ ｃ ｓ ｉｇ ｆ ｌ ｓ ｅ ｉ ａｉ ｔ ｏ ｎ ｓｐ ｐ ｌｒｉ ｄ ｃ ｌ ｍａ ｅ ｐ ｏ ｅ ｓｎ ｅｄ ，ｗｈｃ ｓａ ｃ ｐｅ ｓｔ ｅ ｍｏ ｔ ｏ ｕ ｔ ｎ ｃ ｕ ａｅ ｔ ｉ ｉ ｉｈ ｉ ｃ ｅ ｔｄ ａ ｈ ｓ ｂ ｓ ｄ ａ ｃ ｒ ｔ ． ｒ ａ
ｒ ｇｓｒ ｔｏ ｅ ｐ ｒｍ ｅ ｔｏ ｅ ｄ ｉ ｇ ． ｅ ｉｔａｉｎ ｘ ｅ ｉ ｎ ｎ ｈ ａ ｍａ ｅ
ＬＵ Ｘ —ｐｎ ， Ｏ Ｇ Ｘ ａ ｙ ｎ Ｇ Ｏ Ｘ — ｕ ｎ Ｉ ｉ ｉｇ Ｇ Ｎ ｉ ｏ— ａ ， Ｕ ｉ ｊａ
（ ｏ ｅｅ ｆ ｎ ｒ ｔ ｎＳｉ ｃ ｎ ｎ ｉ ｅ ｎ ， ａ ｈｎＵ ｉ ｒｔ， ｉｈａ ｇａ ｅｅ ０ ６ ０ ， ｈｎ ） Ｃ ｌｇ ｆ ｍａｏ ｃ ｎｅａｄＥ ｇ ｅｒ ｇ Ｙ ｎＳ ａ ｎｖ ｓｙ Ｑｎ ｕｎ ｄｏＨ ｂｉ ６０ ４ Ｃ ｉ ｌ ｏ Ｉｏ ｉ ｅ ｎ ｉ ｅｉ ａ
ｔ ｕ ｍｐ ｏ ｅ ｈ ｐ ｅ ｎ ｈ ｃ ｕ ａ ｙ ｏ ｅ ｒ ｇｓｒｔ ｎ ｈ ｓ ｉ ｒ ｖ ｄ ｔ ｅ ｓ ｅ ｄ ａ ｄ ｔｅ ａ ｃ ｒ ｃ ｆ ｈ ｅ ｉｔ ｉ ．Ｔ ｉ ｉｔ ｒ ｏａ ｉｎ ｍｅ ｈ ｄ ｈ ｓ ｂ ｅ ｅ ｉ ｅ ｈ ｏ ｇ ｈ ｔ ａｏ ｈｓ ｎ ｅｐ ｌｔ ｔ ｏ ａ ｅ ｎ ｖ ｒ ｄ ｔ ｒ ｕ ｈ ｔ ｅ ｏ ｉ ｆ