基于梯度广义近邻图的多模医学图像配准
医学图像配准算法的选择与性能评估
医学图像配准算法的选择与性能评估随着医学图像的广泛应用和发展，医学图像配准算法成为了医学图像处理的重要组成部分。
图像配准是指在不同时间或不同成像设备上获得的医学图像之间建立空间和几何关系的过程。
本文将探讨医学图像配准算法的选择和性能评估方法。
选择适合的医学图像配准算法是关键的一步。
根据医学图像的特点，常用的图像配准算法包括基于特征的算法、基于相似度的算法和基于弹性变形的算法。
基于特征的算法主要利用图像中的特征点进行匹配，常用的特征包括角点、边缘、纹理等。
其中，SIFT（尺度不变特征变换）算法是一种广泛应用的特征点提取和匹配算法。
SIFT算法具有尺度不变性和旋转不变性的特点，适用于医学图像中的不变性点提取和匹配。
基于相似度的算法主要通过测量图像间的相似度来实现配准。
常用的相似度度量包括互信息、归一化互相关等。
其中，归一化互相关算法具有较好的稳定性和鲁棒性，广泛应用于医学影像的配准中。
基于弹性变形的算法可以通过建立变形场来实现图像配准。
这种算法适用于需要进行形变的医学图像配准，例如脑部图像的配准。
常用的基于弹性变形的算法有B样条曲线变形算法和Thin-Plate Spline（TPS）算法。
这些算法能够通过变形场的构建来实现医学图像的形变配准。
在选择医学图像配准算法时，需要考虑医学图像的特点、算法的可行性和效率等方面。
同时，还需考虑配准算法的精度和鲁棒性，以确保配准结果的准确性和稳定性。
不同的医学图像配准算法有其各自的优缺点，需要根据具体应用场景来选择最适合的算法。
除了选择合适的医学图像配准算法，还需要进行性能评估来衡量算法的准确性、稳定性和效率。
医学图像配准性能评估的常用指标包括重叠度指数、均方根误差（RMS）和互信息等。
重叠度指数可以用来评估配准结果与标准图像之间的一致程度。
该指数通常通过计算重叠区域的比例来进行衡量，值越接近1表示配准结果越准确。
均方根误差（RMS）是评估配准结果与标准图像之间的距离的指标。
医学图像配准与配对的基本步骤与算法
医学图像配准与配对的基本步骤与算法随着互联网时代的到来，互联网思维逐渐渗透到各个领域，包括医学图像处理。
作为一位现代互联网思维的老师，我将为大家介绍医学图像配准与配对的基本步骤与算法，并探讨其在医学领域的应用。
医学图像配准是指将不同时间、不同模态或不同患者的医学图像进行对齐，以实现图像的统一和比较。
配准的基本步骤包括：图像预处理、特征提取、特征匹配和变换模型。
首先，图像预处理是为了去除图像中的噪声和不必要的信息，以提高后续处理的准确性和效率。
常用的预处理方法包括平滑滤波、边缘检测和图像增强等。
通过这些方法，可以使图像更加清晰、明确，为后续的特征提取和匹配打下良好的基础。
接下来，特征提取是将图像中的关键信息提取出来，以便进行后续的匹配和变换。
常用的特征包括角点、边缘、纹理等。
特征提取的方法有很多，例如Harris角点检测、SIFT特征提取等。
通过这些方法，可以从图像中提取出具有独特性和稳定性的特征点或特征描述子，为后续的匹配和变换提供可靠的依据。
然后，特征匹配是将两幅图像中的特征进行对应，以找到它们之间的关系。
特征匹配的目标是找到最佳的匹配对，即使得两幅图像中的特征点之间的距离最小。
常用的特征匹配算法包括暴力匹配、K近邻匹配和RANSAC匹配等。
通过这些算法，可以实现特征点的准确匹配，为后续的变换模型提供准确的输入。
最后，变换模型是根据特征匹配的结果，将一个图像变换到另一个图像的空间中。
常用的变换模型包括仿射变换、透视变换和非刚性变换等。
这些变换模型可以将图像进行旋转、平移、缩放等操作，从而实现图像的对齐和配准。
医学图像配准与配对在医学领域有着广泛的应用。
例如，在医学影像诊断中，医生可以通过将多个时间点的同一患者的图像进行配准，来观察病变的演变和治疗效果的评估。
此外，在医学研究中，医学图像配准可以用于分析不同患者之间的结构和功能的差异，从而帮助研究人员更好地理解疾病的发生和发展机制。
总之，医学图像配准与配对是一项重要的技术，它可以将不同时间、不同模态或不同患者的医学图像进行对齐，为医学影像诊断和研究提供可靠的基础。
第6章医学图像配准(6.3-6.6)
H ( A) p A (a) log p A (a)
a
两个系统的联合熵为：
H ( A, B) p AB (a, b) log p AB (a, b)
倒角匹配算法的关键部分是距离变换（Distance Transformation）。距 离变换的类型决定了使用该变换后代价函数描述两幅图像特征间距离的准 确程度。 距离变换是将二值图转换为灰度图像的一种变换。每个象素的灰度值 是该象素与最近背景象素间的距离。常用的方法为倒角（Chamfer）算法。 倒角算法通过对图像两次扫描，实现距离变换。 1. 一维距离变换 对图像的一列像素做距离变换。设二值图像像素0：背景， 1：物体。
6.3.3 基于极值点的刚体配准
对同一个病人用相同成像模式但不同位臵的两幅图像进行配准， 可以从这两幅图像上分别提取极值线及极值点, 再设法寻找这两组极值 点间的对应关系。最后，计算能使这些匹配线段重叠的最佳刚体变换。 一种典型的技术是采用几何散列（Hashing）表与H与代价函数的优化
采用何种分割方法取决于实际应用。倒角匹配算法只要求将图像F分 割成二值图像作为距离变换的输入。还要从分割得到的图像G产生一组轮 廓点。轮廓点可用简单的轮廓跟踪法或对二值图像扫描搜索非零元素（线 条图中点的顺序无关紧要）。倒角匹配算法对所用的分割算法并无特殊的 约束。从效率因素考虑总是希望线条中的点数目相对少些为好。 倒角匹配算法对分割质量具高度强健性，这意味可以使用“低质量”自动 分割技术。即算法可以是全自动的，即使图像质量差些也无妨。
医疗影像处理中的医学图像配准技术教程
医疗影像处理中的医学图像配准技术教程医学影像处理在现代医学领域中扮演着重要的角色，而医学图像配准技术是其中的关键环节之一。
医学图像配准是指将多个医学图像进行空间上的对齐，以实现图像之间的对比和分析。
它可以用于诊断、手术规划、病变跟踪等方面，对于提高医疗影像处理的准确性和可靠性具有重要意义。
一、医学图像配准概述医学图像配准的核心目标是将多个不同时间点、不同模态或不同患者的图像进行对齐，使得它们在空间上保持一致。
通过图像配准可以实现以下目标：1. 扩大可视化范围：配准后的图像可以提供更广泛的视野，有助于医生观察潜在的异常现象。
2. 比较和分析：通过对齐的图像，医生可以更容易地直观比较不同时间点或不同模态的图像，观察变化并分析结果。
3. 多模态图像融合：配准技术可以将来自不同模态的图像融合在一起，提供更全面的信息。
二、常见的医学图像配准技术1. 刚体配准：刚体配准是最简单和最常见的配准技术之一。
它假设图像之间只存在平移和旋转的刚体变换，而没有形变。
刚体配准可以在不改变原图像形状的情况下对其进行对齐。
2. 仿射配准：仿射配准是刚体配准的扩展，可以处理图像之间的缩放和错切变换。
它可以通过线性变换将一个图像映射到另一个图像。
3. 弹性配准：弹性配准是一种更复杂的配准技术，可以处理具有形变的图像配准问题。
它能够更准确地捕捉到图像之间的非刚性变形，并通过非线性变换对其进行对齐。
三、医学图像配准的步骤医学图像配准过程可以分为以下几个步骤：1. 数据准备：收集需要配准的医学图像数据，并进行预处理。
包括去除噪声、调整图像尺寸和对比度等。
2. 特征提取：从每个图像中提取不变的特征点或特征描述符，以便在后续步骤中进行匹配。
3. 特征匹配：根据提取到的特征点或特征描述符，对不同图像之间的特征进行匹配。
4. 变换估计：根据匹配的特征点，通过求解变换模型（如刚体变换、仿射变换或弹性变换）来估计图像之间的坐标关系。
5. 变换应用：将估计的变换模型应用于图像，对其进行配准。
基于互信息与梯度相似性相结合的医学图像配准方法
基于互信息与梯度相似性相结合的医学图像配准方法陈伟卿;欧宗瑛;李冠华;韩军;赵德伟;王卫明【期刊名称】《大连理工大学学报》【年(卷),期】2009(049)003【摘要】针对传统互信息配准方法未利用图像空间信忠的缺点,提出一种将互信忠与梯度相似性结合的医学图像配准方法.待配准图像的每组对应点的梯度相似性包括方向相似性和模值相似性.待配准图像整体梯度相似性系数由各对应点对的梯度相似性之和决定,该系数与传统互信息的乘积作为图像配准的测度.利用2D多模图像分别进行平移、旋转、采样,得到配准函数曲线.并给出具体的配准实例.实验结果表明.该方法比传统互信息有更高的鲁棒性和精度.【总页数】4页(P387-390)【作者】陈伟卿;欧宗瑛;李冠华;韩军;赵德伟;王卫明【作者单位】大连理工大学机械工程学院CAD&CG研究所,辽宁,大连,116024;大连理工大学精密与特种加工教育部重点实验室,辽宁,大连,116024;大连理工大学机械工程学院CAD&CG研究所,辽宁,大连,116024;大连理工大学精密与特种加工教育部重点实验室,辽宁,大连,116024;大连理工大学机械工程学院CAD&CG研究所,辽宁,大连,116024;大连理工大学精密与特种加工教育部重点实验室,辽宁,大连,116024;大连现代高技术发展有限公司,辽宁,大连,116021;大连大学附属中山医院,辽宁,大连,116001;大连大学附属中山医院,辽宁,大连,116001【正文语种】中文【中图分类】TP391【相关文献】1.基于互信息与边缘梯度相结合的多模医学图像配准方法 [J], 齐玲燕;王俊2.基于形态学梯度和互信息的医学图像配准方法 [J], 姚玉翠;杨立才;李金亮3.基于互信息量和模糊梯度相似性的医学图像配准 [J], 陈明;陈武凡;冯前进;杨丰4.基于灰度互信息和梯度相似性的医学图像配准及其加速处理 [J], 陈伟卿;李冠华;欧宗瑛;韩军5.双向梯度归一化互信息医学图像配准方法 [J], 潘晓光;李宏;康雁;刘积仁因版权原因，仅展示原文概要，查看原文内容请购买。
基于形态学梯度和互信息的医学图像配准方法
Ｍ ｅ ｉ ａ ｍ ａ ｅ Ｒｅ ｉｔ ａ ｉ ｎ ｂ ｍ ｂ ｎｅ ｄ ｃ ｌＩ ｇ ｇ ｓ ｒ ｔｏ ｙ Ｃｏ ｉ ｄ Ｍ ｏ ｐ ｏ ｏ ｙ Ｇｒ ｄ ｅ ｔ ａ ｄ Ｍ ｕ ｕａ ｎ ｏ ｍ ａ ｉ ｎ ｒ ｈ ｌｇ ａ ｉ ｎ ｎ ｔ ｌＩ ｆ ｒ ｔｏ
Ｋｅ ｏｄ ： ｄｃ 瞬 ｙｗ ｒｓＭｅｉ ｌ ａ
ｒ ｉｒ ｉ ； ｏｐｏ ｇ ｒ ｅｔ ｎ ｏｙ ｕ ａ ｉｏｍ ｔｎ Ｐｗ ｌａ ｏｉ ｎ ｅ ｓａ ｏ Ｍ ｒｈｌ ｙｇａ ｎ；Ｅｔ ｐ ；Ｍ ｔ ｌｎ ｒａｉ ； ｏｅ ｇｒＮ ｇ ｔｔｎ ｏ ｉ ｄ ｒ ｕ ｆ ｏ ｌ ｌ ｔ
１ 引 言
ＹＡＯ —ｕ ． Ｙｕ ｃ ｉＹＡＮＧ —ａ ． １Ｊｎ ｌ ｎ Ｌｉ ｎ ｏ ｉ ｅｉ ｌ ｎｉ ｅｎ ，Ｓｈｏ ｏ ｏ ｒ ｃ ｎｅ Ｄｐ ｒ ｅｔｆＢｏ ｄｃ ｇｎ ｒ ｇ ｃｏｌｆＣ ｎｏ Ｓｉ ｃ ｔ ｍ ａＥ ｅｉ ｔ ｌ ｅ
维普资讯
生 物 医学 工 程研 究
Ｊｕ ｎｌｏ ｉｍｅ ｉａ ｇｎｅ ｎ ｓａｃ ｏ ｒａ ｆＢｏ ｄｃ ｌ Ｅｎ ｉｅ ｒ ｇ Ｒｅｅ ｒｈ ｉ
基 于形 态 学 梯 度 和 互 信 息 的 医 学 图像 配 准方 法 ＊
姚玉 杨 翠， 立才， 金亮 李
（ 山东大学控 制科 学与工程学院生物 医学工程 系， 东 济南 ２０ ６ ） 山 ５０ １
摘要 ： 于互信 息的 图像 配准 方法 ， 基 已被 广泛 用 于 医学图像 的配 准 。但 是 该方 法计 算 量较 大且 无法处 理
图像 空 间信 息 ， 导致 运行 时 间较 长且 易陷入 局部极 值 。 为解 决此 问题 ， 本研 究提 出了一 种基 于形 态学梯度 和 互信 息相 结合 的 医学 图像 配准新 方 法 ， 方法 充分利 用 图像 的灰度 信 息和 空 间几何形 状 ， 该 可节 省运 行 时 间且
顾及灰度和梯度信息的多模态影像配准算法
顾及灰度和梯度信息的多模态影像配准算法
闫利;王紫琦;叶志云
【期刊名称】《测绘学报》
【年(卷),期】2018(047)001
【摘要】基于特征匹配的多模态影像配准方法无法达到像素级配准精度要求.本文研究了一种顾及灰度和梯度信息的多模态影像配准算法.基于马尔科夫随机场(MRF)的非参数化配准模型充分利用多模态影像的图像信息进行相似性测量,同时考虑了灰度及梯度统计信息,求解方法上对值空间进行离散化,提高收敛速度.通过3组多模态影像的配准试验,验证了该算法的可行性.试验表明:本文算法的配准效果优于基于人工刺点的多项式模型配准和只考虑灰度信息的多模态影像配准;与此同时,该算法对于较大形变的影像配准也具有一定的适用性.在空间精度方面,平均配准误差小于1个像素,最大配准误差小于2个像素.
【总页数】11页(P71-81)
【作者】闫利;王紫琦;叶志云
【作者单位】武汉大学测绘学院,湖北武汉430079;武汉大学测绘学院,湖北武汉430079;武汉大学测绘学院,湖北武汉430079
【正文语种】中文
【中图分类】P237
【相关文献】
1.融合灰度和梯度信息的彩色细胞图像自动分割 [J], 刘伯强;尹聪;刘忠国;徐凯;张振旺
2.基于灰度分布匹配的多模态脑部MR图像肿瘤分割算法 [J], 侯发忠;邹北骥;刘召斌;周支元
3.基于掩盖效应和梯度信息的无参考噪声图像质量评价改进算法 [J], 罗洪艳;朱子岩;林睿;林臻;廖彦剑
4.基于梯度信息的灰度人脸检测 [J], 李启娟;尹建芹;李金屏
5.融合梯度信息的改进中值滤波算法研究 [J], 马祥;杜忠华;蔡雨;王鹏飞;卿志勇因版权原因，仅展示原文概要，查看原文内容请购买。
医学图像配准
仿射变换：保持平行性，但距离发生变化，直线还是直线 （校正成像设备的误差产生的畸变）
投影变换：直线映射成直线，平行性和两点间的距离变化 （二维投影图像与三维图像的配准）
弯曲变换：直线变成曲线 (解剖图谱变形拟合图像数据)
整理ppt
10
图像配准原理
• 由上图可以看出：对于在不同时间或/和不同条件下获取的两幅图像 和 的配准，就是要 定义一个相似性测度并寻找一个空间变换关系，使得经过该空间变换后两幅图像间的 相似性达到最大（或者差异性最小）。即使图像A上的每一个点在图像B上都有唯一的 点与之对应，并且这两点应对应同一解剖位置。用公式表示如下：
整理ppt
12
二维刚体变换：沿x轴平移：
（1） （2）
整理ppt
13
沿y轴平移：
整理ppt
14
绕坐标原点旋转：
整理ppt
15
复合变换
整理ppt
16
刚体变换配准
整理ppt
17
仿射变换
1. 对于同一个人的图像配准，可以在做旋转变换之前做尺度缩放 2. 对于不同人的图像配准，可以先旋转对准图谱，然后做三个方向的尺度缩放
整理ppt
3
临床应用
• 外科手术 术前病灶精确定位
• 放疗计划 CT图像精确计算放射剂量、MR图像描述肿瘤结构，PET对代谢、免 疫及生理方面进行识别，配准融合后图像用于改进放疗计划、立体定 向活检、手术
• 癫痫病治疗 观察炎症、脑外伤、硬化症等变化、病灶精确定位
整理ppt
4
配准（image registration）的概念
所以优化算法的选择至关重要。
常用的优化算法有:Powell法、梯度下降法、遗传算法、模拟退火法、下山单
- 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)。
Ｉ ０… 『 ＹＩ 那 Ｊ 是 顶 的 邻 点， ｘ ≤ ≤Ｘ ｌ『 么Ｙ 点 第ｉ 近 对 一 Ｉ ｖｌ － ｌ， － 就
ｆ ｎ ｔ ｎ ｎ ｅ ｈ ｅ ｅ ａ ｉ ｅ ａ ｅ ｔｎ ｉ ｈ ｏ ｒ ｐ ｏ ｅ ｔ ａｅ ｔ ｅ Ｒ￣ ｙ ｎ ｒ ｐ ． ｐ ｒｍｅ ｔ ｌ ｅ ｕｌ ｈｏ ｔ ａ ｅ ｐ ｏ ｓ ｄ ａｇ ｒｔ ｍ ａ ｕ ｃ ｉ ，ａ ｄ ｕｓ ｓｔ ｅｇ ｎ ｒ ｌ ｄ ｎｅ ｒ ｓ— ｅｇ ｂ ｒｇ ａ ｈ ｔ ｓｉ ｔ ｎ ｉｅ ｔｏ ｙ Ｅｘ ｅ ｉ ｎ ａ ｓ ｔ ｓ ｗ ｈ ｔｔ ｒ ｐｏ ｅ ｌ ｏ ｉ ｏ ｚ ｍ ｈ ｒ ｓ ｈ ｈ ｈｓ ｂ ｔｅ ｅ ｆ ｒ ｎ ｅｏ ｐ ｅ ， ｒ ｃ ｓｏ ｎ ｏ ｕ ｔ ｅ ｓ ｅ ｔ ｒｐ ｒ ｏ ｍａ ｃ ｆｓ ｅ ｄ ｐ ｅ ｉ ｉ ｎ ａ ｄ ｒ ｂ ｓｎ ｓ ．
［ ｙｗｏ ｄ Ｉｍｅ ｉａ ｉ ｇ ｇｓ ａｉｎ ｆａ ｒ ｏｎ； ｅ ｅａｉ ｄｎａｅｔ ｅｇ ｂｒ ｒｐ ； ６ｙ ｎｒｐ ； ｒｄｅｔＳＦ ｅｃｉｔｒ Ｋｅ ｒ ｓ ｄｃｌｍａｅｒ ｉｒｔ ；ｅｔ ｅ ｉ ｇｎ ｒｌ ｅ ｅｒｓ ｎ ｉｈ ｏ ａｈ Ｒ ｎ ｉ ｔ ｙ ｇａｉｎ； ＩＴｄｓｒ ｏ ｅ ｔ ｏ ｕ ｐ ｔ ｚ — ｇ ｅ ｏ ｐ
ｓａｅ￣ａ ｅｐ ｉｔ ｆ ｍ ｇ ｓ ｎ ａ ｕａｅ ｅｇａｉｎ ｆｒ ｔ ｎａｏ ｎ ｅｆａ ｒ ｏｎｓ ｓｔ ｅ ｎ ｉ ｍａ ｆｒ ａｉｎａ ｅｏｊｃ ｐｃ ｍｒ ｏｎｓｒ ｉ ｅ ｄｃｌ ｌ ｓｔ ｒｄｅ ｔｎｏｍａｉ ｒｕ ｄｔ ｔ ｅｐ ｉｔ，ｅｓ ｙ ｏ ｍａ ａ ｃ ｔ ｈ ｉ ｏ ｈ ｅｕ ｈ ｔ Ｒ６ ｍｕ ｌｎｏ ｔ ｓｔ ｂｅｔ ｉ ｍ ｏ ｈ
第 ３ 卷 第 ｌ 期 ８ ０
Ｖ０ ＿ ｌ ３８
・
计
算
机
工
程
２１ ０ ２年 ５月
Ｍ ａ ２ ２ ｙ ０１
ＮＯ．０ １
Ｃｏｍｐ ｔ ｒＥｎｇ ｎ ｅ ｉ ｇ ｕｅ ｉ ｅ ｒｎ
图形 图像处 理 ・
￣ｌｔｑ．１ ０－４８ ０２ｏ＿２ｏ－３ 文 ｌ ｌ ０ －３２（ １ １ ００＿０ ０ ２ ）一 献标识码ｔ Ａ
异较大情况下 ，往往 出现误 匹配 ，影响了最终 的配准结果。
基金项 目：国家 自然科学基金资助项 目（１７ １６６０３３， １００ ６０３ １， １０ １１６０３
３） ８ ；安徽省教 育厅 自 然科 学研 究基金资 助重点项 目（ Ｊ０ ９ １ ５ Ｋ ２０Ａ ４ ）
作者简介 ：卜 令斌（９９ ） 男 ， １８ － ， 硕士研究 生， 研方向 ： 主 图像处理 ，
Ｅｍａ ：ｈｎ ｂ ＠１６ ｏ － ｉ ｅｒ ｌ ２． ｍ ｌ ｙｂ ｔ
第 ３卷 ８
第 １ 期 ０
卜 令斌 ，赵海峰 ，孙登 第 ，等 ：基于 梯度广义 近邻 图的多模 医学图像 配准 （） ＝÷ ｌＥＰ ｎ ｉ
２１ ０
将其 响应值 与 同层（ 同一 尺度） 邻层（ 和 相邻 上下 ２个尺
ＢＵ ｎｇ ｂ ｎ ， Ｌｉ — ｉ ＺＨＡＯ ｉｆ ｎ ， ＵＮ ｎ ． ｉ． ＬＵＯ ｉ Ｈａ —ｅ ｇ Ｓ Ｄｅ ｇ ｄ ， ． Ｂｎ，
（． ｙＬ ｂｏ Ｉｔｌｇｎ ｍｐ ｔ ｇａ ｄＳｇ ａ ｒｃｓｉｇｏ Ｍｉｉｔ ｆ ｄ ｃｔ ｎ Ａ ｈ ｉ ｉｅｓｙ Ｈｅｅ ２ ０ ３ ， ｈｎ ； １Ｋｅ ａ ｆｎｅｌ ｅｔ ｉ Ｃｏ ｕｉ ｉｎ ｌ ｏｅｓ ｆ ｎｓｙｏ Ｅ ｕ ａ ｏ ， ｎ ｕ ｖｒｉ ， ｆｉ ３ ０ ９ Ｃ ｉａ ｎ ｎ Ｐ ｎ ｒ ｉ Ｕｎ ｔ
集 ， Ｓ为 非空的有 限正整数集 ， ｋ Ｓ中的最大元素值 。则 为 定义广义近邻图 Ｎ ｓＶ 为在顶点 Ｖ上的一个有向图：对每 Ｎ （） 个ｆ ∈Ｓ和每个顶点 ∈Ｖ，Ｘ 与其第 ｉ 邻近点构 成一个边 ，这
些 边 构 成 了 Ｎ （ ）的 边 集 ， 即 如 果 对 点 集 ＼ ＝ ＮｓＶ ｛｝
医学 图像 配 准 ， 其 是通 过 对 图像 提 取 稳 定特 征 点 描 述 图像 ， 尤
算子 在尺度 空 间上的扩展 。首先在 每一层 尺度 图像上 检测
Ｈ ｒｉ ａｒ ｓ特征点 ，然 后用 Ｌ ｐａｅ函数选择特征尺度 ，即如果 ａｌｃ
Ｌ ｐａｅ ａｌｃ 函数值在 尺度轴上与附近 ２ 个尺度上比较达 到极值并
模式识别 ；赵海峰，副教授、博士 ； 孙登第 ， 士研究生 ；罗 斌 ， 博
教授、博士生导师
本文通过抽样点方法估计互信息 ，提 出一种融合梯度信 息 的广义近邻 图医学图像配准方法。首先从 图像 中提取稳定
特征点并计算特征点处各方向梯 度值 ，然 后在梯度特征空间
收稿 日期 ：２ １— － ０１０ １ ８８
摘
要 ：提 出一种融合梯度信息的医学图像 配准算法 。提取 图像 中互补 的尺度空 问特征点 ，并计算特征点周围的梯度信 息 ，以 Ｒ ｎｉ ６ｙ 互信
息作为 目标函数 ，利用广义近邻图估计 Ｒ ｎ ｉ ６ｙ 熵。实验结果表 明，在受外界 因素影响较大的情况下 ，该算法速度较快、准确率较 高，具 有 较强 的鲁棒性 。
息 ，通过直方图估计 ２幅图像的灰度联合概率 。该类方法没
有考虑像素的空间信息 以及像素灰度值之间的依赖关系 ，忽 略了不同像素对于 图像配准 的不 同效用 ，主要应用于单模 图 像配准 。在灰度差异较 大的多模 图像配准 中该类方法精 度较
低 ，且计算量大、配准时间长。 为解决以上问题 ，许多学者提 出用基于图像特征来进行
ＤＯｈ １．９ ９ ．ｓ．０ ０３ ２ ． １ ． ． １ ０３ ６ ／ｉ ｎ１０ —４ ８ ０ ２１ ０ ｊｓ ２ ０６
１ 概 述
医学图像配准通常 是指将不同时 间、 同观察 点、不同 不 模态 的 ２ 幅图像通 过几何变换 ，使 图像上 的相关点能够 对 应，配准的结果要使 ２幅图像上的所有解剖点 ，或至少是所
２ Ｋｅ ａ ｆ ｎｕｔｉ ｇ ｒｃ ｓｉｇ＆ Ａ ａ）ｉ ｏＡｎ ｕ ｒｖｎ ｅＨｅｅ２ ０３ ． ｉａ ． ｙＬ ｂｏ ｄ ｓ ａＩ ｅ ｏ ｅｓ Ｉ ｒ ｌｍａ Ｐ ｎ ｎ １ｓｓ ｆ ｈ ｉ ｏ ｉｃ． ｆｉ ３ ０ ９Ｃｈｎ） ｒ Ｐ
［ ｓ ａｔ ｈｓｐｐ ｒ ｒｐ ｓｓ ｎａｇ ｒｈ ｆｒ ｄｃｌｍａ ｅｒｇｓ ａｉｎｆｓｄｗｉ ｒｄｅｔｎｏｍａｉ ．ｔ ｘｒｃｓ ｅｃｍｐｅ ｎ ｙ ｃｌ Ａｂ ｔ ｃ］Ｔ ｉ ａｅ ｏ ｏｅ ｌｏｉ ｍ ｉａ ｉ ｇ ｉｒｔ ｅ ｔ ｇａ ｉ ｆｒ ｔ ｎ Ｉｅ ｔ ｔｔ ｏ ｌｍｅ ｍｒ ｓａｅ ｒ ｐ ａ ｔ ｏ ｍｅ ｅ ｔ ｏ ｕ ｈ ｎｉ ｏ ａ ｈ
２ 梯度信息融合 ． ２ 在 多模 医学 图像配准问题中，虽然 ２幅 图像来源于 不同 的成像 设备 ，但是它们基于共 同的人体解剖信息 ，因此，当
２ 幅图像 的空间位置 完全一致时 ，其中一幅图像表达 的关于
算 ，速度快且鲁棒性较好 。其中 ，广义近邻 图是一种最新 的
有效方法Ｌ，其描述如下 ：定义 为欧式空间 上的有 限点 ５ Ｊ
目前 ，医学图像配准的方法主要 分为基于灰度 的方法和 基于 特征 的方法 。前一类方法采用图像 间对应像素灰度值的
某种相似性最大化 的原理实现配准 ，如互信息测度。当 ２幅
图像达到最佳 配准 时， 应像素 的灰度互信息应最大Ｌ Ｊ 对 ２ 。传
统的互信 息配准方法一般采用 Ｓａｎｎ ｈｎｏ 互信息或 Ｒ ｎｉ ６ｙ 互信
度） ２ 的 ６个邻域 点 比较 ，当当前检测点为局部极值时，即认
为它是尺度 空间上的一个特征 点。
显然 ，当 ＿ １ ÷ 时， 心 ＿ ，即 Ｓ ａｎ ｎ熵 是 Ｒ ｎ ｉ ÷ ｈｎｏ ６ｙ 熵 的一种特殊形式 。 Ｊ 熵 图理论是近 年来提 出的一种新 的估计 Ｒ ｎ ｉ熵 的方 ｅｙ 法 ，它无需计算概率而仅通过抽样样 本特征分布构 图进行计
关蝴
：医学 图像配准 ；特征点 ；广义近邻图 ； ６ｙ 熵 ；梯度 ；Ｓ Ｔ描述子 Ｒ ｎｉ Ｉ Ｆ
Ｍ ｕ ｔ－ ｏ ａ ｉ ｅ ｉ ａ ｍ ａ ｅＲｅ ｉｔ ａ ｉ ｎ ｌｉｍ ｄ ｌ ｙ Ｍ ｄ ｃ ｌ ｔ Ｉ ｇ ｇｓｒ ｔ ｏ
Ｂａ ｅ ｎ Ｇｒ ｄ ｅ ｔＧｅ ｒ ｌｚ ｄ Ｎｅ ｒ ｓ－ ｅ ｇ ｂｏ ａ ｓ ｄ ０ ａ ｉ ｎ ｎｅ ａｉ ｅ ａ ｅ ｔｎ ｉ ｈ ｒＧｒ ｐｈ
２１ 尺度空 间特征点的提取 ． 在 医学图像处理 中，Ｌ Ｇ（ａ ｌ ｉｎ ｏ ａ ｓｉ ） Ｈ ｏ Ｌ ｐａ ａ ｆＧ ｕｓ ｎ与 Ｌ ｃ ａ （ ａｒ ａ ｌ ｉ ） Ｈ ｒ ｓＬ ｐａ ａ 算子是 ２种常 用的具有尺度空间不变特性 ｉ ｃｎ
特征点提取算子 ，Ｈ 适合找寻图像中的角点 ；Ｌ Ｇ 适合寻 Ｌ ｏ 找图像的 Ｂｏ ｌｂ特征 ， ２种关键点具有互补作 用 ， 这 它们不仅 考虑医学图像 的解 剖结构信息 ，也考虑到 医学 图像 的边缘轮 廓信息 ，所以，上述 ２种特征点非常适合 医学图像配准 。 Ｈ 尺度不变特征检测算法 由文 献［］ 出，它是 Ｈａ ｉ Ｌ ５提 ｒｓ ｒ
准 时间。由于对图像间特征点 匹配 的概率无法用统计方法获
得 ，因此该类方法一般不建立 目标 函数而依赖于先匹配特征
与 Ｈ Ｌ算子不 同， ｏ Ｌ Ｇ算子只使 用标准化 的 Ｌ Ｇ函数 ： ｏ ｊ
Ｌ Ｇｘ ＝ ｏ （ ） ，
（ ） Ｌ （， ｌ ＋ ｙ ， ｙ ）
点 ，再利 用匹配关系计算图像的空间变换 。然而点匹配问题 本身就是一个 尚未得到较好解决 的难题 ，在 图像 内容变化差
中构建广义近邻图 ，根据前述理论框架估计 Ｒ ｎ ｉ ￣ｙ 熵和相应
的 Ｒ ｎ ｉ互信息【，从而得到基于特征点的配准 目标函数 ， ￣ｙ ４ 】
并优化求得配准 。