基于互信息快速算法的多模医学图像配准
第３Ｏ卷第１期 ２０１１年２月 兰州交通大学学报 Ｊｏｕｒｎａｌ ｏｆ Ｌａｎｚｈｏｕ Ｊｉａｏｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ Ｖｏ１．３Ｏ Ｎ 】 Ｆｅｂ．２０１１
文章编号：１００１—４３７３（２０１１）０１－００３３—０４
基于互信息快速算法的多模医学图像配准
孙滕， 刘云伍， 田 源
（兰州交通大学电子与信息工程学院，甘肃兰州７３００７０）
摘要：互信息作为相似性测度在多模医学图像配准领域得到了广泛应用，具有高精度和稳健的特点．但频繁的互 信息计算降低了配准效率，同时对两幅图像重叠区域比较敏感．采用归一化互信息为测度，降低互信息计算中灰度 级的快速算法，通过多模ａＴ／ＭＲＩ配准实验证明，可以在确保配准精度的同时缩短时间提高配准效率． 关键词：互信息；灰度级；多模 中图分类号：ＴＰ３１７．４ 文献标志码：Ａ
０引言
医学影像的发展为临床提供了多种医学图像模
式，成为有效地辅助手段．单一模态的医学图像往往
不能满足临床需求，图像融合为诊断和治疗提供了
更加丰富的综合信息，多模图像配准是图像融合的
基础和关键技术，互信息［１ ］算法不需要对图像进行
分割等预处理，对不同成像模式下图像的灰度关系
不做任何假设，被广泛应用于多模图像配准．
互信息的计算是基于两幅图像重叠部分的联合
直方图，重叠部分的大小对互信息的度量有很大影
响，互信息与两幅图像重叠部分多少成正比，研究表
明误配量的增加反而会引起互信息的增大，从而导
致最大化互信息并不能得到精确的配准结．Ｍｅａｓ和
Ｓｔｕｄｈｏｌｍｅ等人分别提出了熵相关系数和归一化互
信息［３］两种正规化的互信息测度．Ｐｌｕｉｍ等人通过给
互信息乘以一个梯度项将空间信息结合在配准准则
中，Ｂｕｔｚ和Ｔｈｉｒａｎ等人将互信息应用于一种边缘测
度，罗述谦教授提出了基于形状互信息的配准算法．
基于互信息的配准算法实质上是优化算法对互
信息的寻优求解过程，其中包含了频繁计算互信息
的浮点计算，是影响互信息算法效率的根源．有研究
表明互信息计算与图像灰度级密切相关，因此可以
将原始图像映射到一个较低灰度范围，对低灰度级
图像进行配准以减少互信息计算及寻优时间，从而
在保证精度的前提下提高速度．
结合归一化互信息与互信息的快速计算方法对 多模医学图像进行配准可以得到高精度的配准结果
同时增强鲁棒性．
１互信息配准理论
１．１互信息
互信息（ｍｕｔｕａｌ ｉｎｆｏｒｍａｔｉｏｎ，ＭＩ）是信息理论中
的一个基本概念，通常用于描述两个系统问的统计
相关性，它可以用Ｓｈａｎｎｏｎ熵来描述．Ｓｈａｎｎｏｎ熵
所表达的是一个系统的复杂性或者是不确定性．在
多模图像配准中，不同成像模式的图像在灰度级差
别上并不相似，但对同一解剖结构，对应像素点问灰 度统计并非独立，而是相关的［４］，考虑图像Ｆ（Ｆｉｘｅｄ
Ｉｍａｇｅ）和Ｍ（Ｍｏｖｉｎｇ Ｉｍａｇｅ），它们之间存在某一空
间映射关系 （ａ是空间变换参数）．当两幅基于共
同解剖结构的图像达到最佳配准时，其中一幅图像
中表达的关于另一幅图像的信息即它们的互信
息Ｄ，ｓ］应达到最大．这就是最大互信息作为配准测
度的基础，可用如下公式（１）表示：Ｍ１即两幅图像
的互信息，互信息配准算法流程如图１所示．
图１互信息配准流程 Ｆｉｇ．１ Ｐｒｏｃｅｓｓ ０ｆ ｍｕｔｕａｌ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｇｉｓｔｒａｔｉｏｎ
收稿日期：２０１０—０９—２０ 基金项目：甘肃省自然科学基金（ｏ８ｏ３２ＪＺＡＯ１５）；甘肃省科技攻关项目（０７０８ＧＫＣＡ０４７）；兰州市科技计划项日（２０１０—１－６） 作者简介：孙滕（１９８４一），男，山东滕州人，硕士生．
兰 州 交通大学学 报 第３Ｏ卷
互信息的数学表达式如下：
ＭＩ（Ｆ，Ｍ）一Ｈ（Ｆ）十Ｈ（Ｍ）一Ｈ（Ｆ．Ｍ）（１）
其中：Ｈ（・）是Ｓｈａｎｎｏｎ熵，
Ｈ（Ｆ）＝—一∑Ｐｔ一．厂）ｌｏｇＰ ｒ：（ ） （２） ｒ Ｈ（Ｍ）＝＝：～ ＰＭ（ｍ）ＩＯｇＰＭ（ｍ） （３）
Ｈ（Ｆ・ Ｄ一～ Ｐ （．厂， ）ｌｏｇＰ￣Ｍ（Ｌ厂，７ ）（４）
Ｐ¨ＰＭ，ＰⅢ分别是参考图像、浮动图像各自的
边缘概率分布和联合概率分布，ｆ， ｚ是参考图像和
浮动图像对应像素的灰度值，其计算表达式如下：
Ｐ （．厂， ）： 厶 （ ， ）（５） 己 ｆ、ｎｌ ＰＦ（．厂）一 Ｐ （＿厂，ｍ） （６）
ＰＭ（ｍ）一＞ Ｐ＿ｒ＝１Ⅵ（．厂，ｍ） （７）
】．２ 重叠度对互信息的影响
根据互信息原理，当两幅图像完全没有重叠区
域时，Ｈ（Ｆ，Ｍ）＝Ｈ（Ｆ）＋Ｈ（１ＶＩ），由式（１）互信息
和熵的关系可以知道，此时两幅图像的互信息为０．
当两幅图像之间的重叠部分逐渐增多时，联合灰度
概率式（５）增大 ，同时互信息也增加．通过实验分
析了重叠度对互信的影响，如图２所示．
ｂ ＣＴｌｉｎａｇｅ２
图２脑部ＣＴ图像
Ｆｉｇ．２ Ｂｒａｉｎ ＣＴ ｉｍａｇｅ 图２ｂ是图２ａ向右平移３个像素，向下平移２个
像素获得；图２ｃ是图２ａ向右平移８个像素，向下平 移１个像素获得．通过计算，图２ａ与其自身的互信息
为５．６７０ ３；图２ａ与图２ｂ的互信息为１．８１４ ６；图２ａ
与图２ｃ的互信息为１．４７８ ７．由此可见，互信息和两
幅图像之间的重叠多少成正比关系．在用互信息对
医学图像进行配准时，图像的背景也会对互信息产
生影响，如图３所示．
ａ固定图
ｂ浮动图 第１期 孙 滕等：基于互信息快速算法的多模医学图像配准
ＮＭＩ（Ｆ， 一 （８）
２互信息的计算分析
互信息的计算实际上是灰度统计和计算的过
程，故可借助直方图估算互信息．具体计算流程如
下：
步骤１计算图像Ｆ（ｉ， ）和Ｍ（ｉ， ）的概率分
布函数ＰＤＦ（ｆ，ｍ），初始置０．
ｆｏｒ ｉ一１ ｔｏ Ｈ
ｆｏｒ ｊ一１ｔｏ Ｗ
｛ ．
ｆ＝Ｆ（ｉ，ｊ）；ｍ＝Ｍ（ｉ，ｊ）；
ＨＩＳＴＥｆ，ｍ］＝ＨＩＳＴ［ｆ，ｍ］＋１；
｝
ｓｕｍ＝Ｏ；
ｆｏｒ ｆ一１ ｔｏ Ｌ
ｆｏｒ ｍ＝＝＝１ ｔｏ Ｉ
ｓｕｍ＝ｓｕｍ－ｑ－ＨＩＳＴ［ｆ，ｍ］
ｆｏｒ ｆ一１ ｔｏ Ｉ
ｆｏｒ ｍ＝：＝１ ｔｏ Ｉ
ＰＦＭ（ｆ，ｍ）一ＨＩＳＴＥｆ，ｍ３／ｓｕｍ；
步骤２计算图像Ｆ和Ｍ的边缘概率分布ＰＦ
（ 和加ＰＭ（ｍ），初始均置０．
ｆｏｒ ｆ＝１ ｔｏ Ｌ
ｆｏｒ ｍ一１ ｔｏ Ｉ
ＰＦ（ｆ）一ＰＦ＋ＰＦＭ（ｆ，ｍ）；
ｆｏｒ ｆ—ｌ ｔｏ Ｉ
ｆｏｒ ｍ一１ ｔｏ Ｌ
ＰＭ（ｍ）＝ＰＭ＋ＰＦＭ（ｆ，ｍ）；
步骤３计算图像Ｆ和Ｍ的互信息Ｊ（Ｆ， ，
初始置０．
ｆｏｒ ｆ＝：＝１ ｔｏ Ｌ
ｆｏｒ ｍ一１ ｔｏ Ｉ
从以上互信息的计算流程可知，循环次数和图
像的灰度级密切相关 ．由此看出减少灰度级可减
少循环次数，可以缩短互信息的计算时问．虽然灰度
级越少互信息计算时问就会越短，但与此同时然而
图像信息也随之减少，致使配准精度受到影响．因
此，需要寻求一个合适的灰度压缩范围，以求保证配
准精度的前提下极大限度的减少配准时间．通过对
不同灰度级的图像配准时间进行简单统计如图４．
在目前的互信息配准方法中，一般配准前将整
幅图像的灰度线性映射到一个灰度变化较小的范 图４不同灰度级下的配准时间
４ Ｒｅｇｉｓｔｒａｔｉｏｎ ｔｉｍｅ、ｖｉｔｌｌ ｖａｒｙ ｇｒａｙｓｃａｌｅｓ 围 ｓ－，也就是进行灰度压缩．配准中常用的灰度范围
有０￣２５５，０＂－－６３，０～３１，０＂－－－１５等，图５为一幅ＭＲ
图像在两种不同灰度级的显示效果．
■■
２５６级ＭＲ图像 ６４级ＭＲ图像
图５一幅ＭＲ图像在不同灰度级下的显示 Ｆｉｇ．５ Ｄｉｓｐｌａｙ ｏｆ ａ ＭＲ ｉｍａｇｅ ｗｉＨｌ ｖａｒｙ ｇｒａｙｓｃａｌｅｓ
３基于灰度压缩的互信息计算与多模医学
图像配准
实验环境：ＣＰＵ Ｉｎｔｅｌ Ｐｅｎｔｉｕｍ Ｄｕａｌ Ｅ２１４０主
频１．６ ＧＨｚ，１ Ｇ内存
操作系统：Ｍｉｃｒｏｓｏｆｔ Ｗｉｎｄｏｗｓ ＸＰ Ｐｒｏｆｅｓｓｉｏｎ－
ａｌ ＳＰ２
实验首先选取２０对单模ＣＴ图像进行实验，浮
动图像事先人为水平移动１７像素，垂直移动１３像
素，所用的２０对单模图像配准，灰度等级数从４～
２５６误差均方根都小于０．０８，都能得到准确的结果，
如图６所示．
喏Ｏ・ ｏ． 曩 籁ｏ．
楚０．
图６ ４￣２５６级的配准参数的均方根比较 Ｆｉｇ．６ Ｃｏｍｐａｒｉｓｏｎ ｏｆ ＲＭＳ ｗｉｔｈ ｌｅｖｅｌ ４ ｔ
ｏ ２５６ ４６ 兰州 交通大学学报 第３Ｏ卷
Ａｐｐｌｉｃａｔｉｏｎ ｏｆ Ｐａｒａｌｌｅｌ Ａｎｔ Ｃｏｌｏｎｙ Ａｌｇｏｒｉｔｈｍ ｗｉｔｈ Ｐａｒｔｉｃｌｅ Ｓｗａｒｍ
Ｆｅａｔｕｒｅｓ ｔｏ Ｔｒａｎｓｍｉｓｓｉｏｎ Ｎｅｔｗｏｒｋ Ｐｌａｎｎｉｎｇ
ＷＵ Ｋａｉ—ｊ ｕｎ ．ＬＵ Ｈｕａｉ—ｗｅｉ
（１．：Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｌａｎｚｈｏｕ Ｊｉａｏｔｏｎｇ Ｕｎｖｅｒｓｉｔｙ，Ｌａｎｚｈｏｕ ７３００７０，Ｃｈｉｎａ； ２．Ｓｃｈｏｏｌ ｏｆ Ｐｈｙｓｉｃｓ ａｎｄ Ｓｏｆｔｗａｒｅ Ｅｎｇｉｎｅｅｒｉｎｇ，ｌ￣ｎｚｈｏｕ Ｊｉａｏｔｏｎｇ Ｕｎｖｅｒｓｉｔｙ，Ｌａｎｚｈｏｕ ７３００７０，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｒａｎｓｍｉｓｓｉｏｎ ｎｅｔｗｏｒｋ ｐｌａｎｎｉｎｇ ｉｓ ａ ｃｏｍｐｌｅｘ ｍｕｌｔｉｖａｒｉａｔｅ ｃｏｎｓｔｒａｉｎｅｄ ｎｏｎｌｉｎｅａｒ ｉｎｔｅｇｅｒ ｏｐｔｉｍｉｚａ—
ｔｉｏｎ ｐｒｏｂｌｅｍ．Ｉｎ ｏｒｄｅｒ ｔｏ ｏｖｅｒｃｏｍｅ ｔｈｅ ｐｒｏｂｌｅｍｓ ｓｕｃｈ ａｓ ｌｏｎｇ ｃｏｍｐｕｔｉｎｇ ｔｉｍｅ ａｎｄ ｅａｓｙ ｔｏ ｆａｌｌ ｉｎｔｏ ｌｏｃａｌ ｂｅｓｔ
ｆｏｒ ａｎｔ ｃｏｌｏｎｙ ａｌｇｏｒｉｔｈｍ，ａ ｎｅｗ ｐａｒａｌｌｅｌ ａｎｔ ｃｏｌｏｎｙ ａｌｇｏｒｉｔｈｍ ｗｉｔｈ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｆｅａｔｕｒｅｓ ｉｓ ｐｒｏｐｏｓｅｄ ｔＯ
ｓｏｌｖｅ ｔｒａｎｓｍｉｓｓｉｏｎ ｎｅｔｗｏｒｋ ｅｘｐａｎｓｉｏｎ ｐｌａｎｎｉｎｇ．Ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｉｓ ｆｅａｓｉｂｌｅ
ａｎｄ ｅｆｆｅｃｔｉｖｅ ｆｏｒ ｔｒａｎｓｍｉｓｓｉｏｎ ｎｅｔｗｏｒｋ ｐｌａｎｎｉｎｇ．
Ｋｅｙ ｗｏｒｄｓ：ｔｒａｎｓｍｉｓｓｉｏｎ ｎｅｔｗｏｒｋ ｐｌａｎｎｉｎｇ；ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ；ｐａｒａｌｌｅｌ ａｎｔ ｃｏｌｏｎｙ ａｌｇｏｒｉｔｈｍ
． 上．． Ｌ．址．Ｓ止 ． Ｌ．１屯ｊ屯 ．‘屯舢．址． Ｌ．址．‘ＩＬ． ．舢—址．１屯．址．‘ｔ ｌＬ—址— ．・Ｓ屯－址・ ・址
（上接第３６页） ．址．‘‘Ｌ． ．址．址．‘ｌＬ．‘ ．‘ ． ．址ｊ止舢
Ｍｕｌｔｉ—Ｍｏｄａｌｉｔｙ Ｍｅｄｉｃａｌ Ｉｍａｇｅ Ｒｅｇｉｓｔｒａｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｒａｐｉｄ Ａｌｇｏｒｉｔｈｍ ｏｆ Ｍｕｔｕａｌ Ｉｎｆｏｒｍａｔｉｏｎ
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)
syn 配准 方法
syn 配准 方法
摘要：
一、引言
二、syn配准方法概述
1.定义及作用
2.发展历程
三、syn配准方法分类
1.基于模型的配准方法
2.基于图像的配准方法
四、syn配准方法的应用
1.医学影像处理
2.计算机视觉
3.机器人导航与控制
五、syn配准方法的优缺点
1.优点
2.缺点
六、发展趋势与展望
七、结论
正文：
一、引言
syn配准方法作为多模态图像配准技术的一种，近年来在国内外研究取得了丰硕的成果。syn配准，全称为Simultaneous Registration of multiple
Modalities，意为同时配准多模态图像。它通过对不同成像方式获取的图像进行空间对齐，实现多模态图像信息的融合，从而为临床诊断、科学研究等领域提供更为精确的图像数据。
二、syn配准方法概述
1.定义及作用
syn配准方法是指同时对多幅图像进行配准，并将它们融合为一个统一的坐标系统。其目的是消除不同成像设备引起的几何差异，提高图像的质量和对比度，以便于后续的图像分析。syn配准在多模态图像处理领域具有重要意义，为医生提供更为精准的诊断依据，同时也为患者带来更好的治疗效果。
2.发展历程
syn配准方法的发展可以追溯到20世纪90年代，随着医学影像设备的不断更新换代，多模态图像融合逐渐成为研究的热点。从最初的基于灰度值的配准方法，到后来的基于变换矩阵、基于特征点、基于深度学习等方法，syn配准技术不断演进，为临床应用提供了丰富的选择。
三、syn配准方法分类
1.基于模型的配准方法
基于模型的syn配准方法主要利用先验知识建立图像间的几何关系，通过优化算法求解变换参数。这类方法包括：仿射变换、刚体变换、变换矩阵等。
2.基于图像的配准方法
基于图像的syn配准方法主要依赖图像间的相似性度量进行配准，包括：互信息、巴氏距离、高斯过程回归等。这类方法直接在图像域进行操作，避免了复杂的模型计算，具有较高的实时性。
改进的人工鱼群算法和Powell法结合的医学图像配准
第４５卷第４期 ２０１１年４月 西安交通 大 学 学报 ＪＯＵＲＮＡＬ ＯＦ ＸＩ ＡＮ ＪＩＡＯＴＯＮＧ ＵＮＩＶＥＲＳＩＴＹ Ｖｏ１．４５ ＮＯ．４ Ａｐｒ．２０１１
改进的人工鱼群算法和Ｐｏｗｅｌｌ法结合的 医学图像配准 赵海峰，姚丽莎，罗斌 （安徽大学计算智能与信号处理教育部重点实验室，２３００３９，合肥） 摘要：针对目前基于互信息图像配准的局部极值问题，提出了一种改进的人工鱼群算法和Ｐｏｗｅｌｌ 算法结合的多分辨率医学图像配准算法．该算法采用新的相似性测度方法即归一化模糊加权互信 息和归一化局部能量加权匹配度，利用多分辨率策略采用ＨＰＶ插值，并采用改进的人工鱼群算法 结合Ｐｏｗｅｌｌ算法完成医学图像的配准．采用改进的人工鱼群算法在图像的最低分辨率上进行全局 优化，以全局最优值为初始值，结合Ｐｏｗｅｌ１算法完成图像配准．这不仅基本解决了互信息函数和 Ｐｏｗｅｌｌ算法的局部极值问题，还减少了数据的处理量，加快了配准速度．实验结果表明，文中算法 与其他经典的配准算法相比，提高了配准的精确度和性能． 关键词：图像配准；改进的人工鱼群算法；Ｐｏｗｅｌｌ法；多分辨率 中图分类号：ＴＰ３９１．４１文献标志码：Ａ文章编号：０２５３—９８７Ｘ（２０１１）０４—００４６—０７ Ｒｅｇｉｓｔｒａｔｉｏｎ ｏｆ Ｍｕｌｔｉ－Ｒｅｓｏｌｕｔｉｏｎ Ｍｅｄｉｃａｌ Ｉｍａｇｅｓ Ｕｓｉｎｇ ａ Ｍｏｄｉｆｉｅｄ Ａｒｔｉｆｉｃｉａｌ Ｆｉｓｈ—Ｓｗａｒｍ Ａｌｇｏｒｉｔｈｍ Ｃｏｍｂｉｎｅｄ ｗｉｔｈ Ｐｏｗｅｌｌ’Ｓ Ｍｅｔｈｏｄ ＺＨＡＯ Ｈａｉｆｅｎｇ，ＹＡＯ Ｌｉｓｈａ，ＬＵＯ Ｂｉｎ （Ｋｅｙ Ｌａｂ ｏｆ Ｉｎｔｅｌｌｉｇｅｎｔ Ｃｏｍｐｕｔｉｎｇ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ ｏｆ Ｍｉｎｉｓｔｒｙ ｏｆ Ｅｄｕｃａｔｉｏｎ，Ａｎｈｕｉ Ｕｎｉｖｅｒｓｉｔｙ，Ｈｅｆｅｉ ２３００３９，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａ ｒｅｇｉｓｔｒａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｏｆ ｍｕｌｔｉ—ｒｅｓｏｌｕｔｉｏｎ ｍｅｄｉｃａｌ ｉｍａｇｅｓ ｉｓ ｐｒｏｐｏｓｅｄ ｂｙ ｕｓｉｎｇ ａ ｍｏｄｉｆｉｅｄ ａｒｔｉｆｉｃｉａｌ ｆｉｓ ｓｗａｒｍ ａｌｇｏｒｉｔｈｍ ｃｏｍｂｉｎｅｄ ｗｉｔｈ Ｐｏｗｅｌｌ’Ｓ ｍｅｔｈｏｄ ｔｏ ａｄｄｒｅｓｓ ｔｈｅ ｌｏｃａｌ ｍａｘ— ｉｍａ ｏｆ ｍｕｔｕａｌ ｉｎｆｏｒｍａｔｉｏｎ－ｂａｓｅｄ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ．Ｆｕｚｚｙ ｗｅｉｇｈｔｅｄ ｎｏｒｍａｌｉｚｅｄ ｍｕｔｕａｌ ｉｎｆｏｒｍａ— ｔｉｏｎ ａｎｄ ｎｏｒｍａｌｉｚｅｄ ｐａｒｔｉａｌ ｅｎｅｒｇｙ－ｗｅｉｇｈｔｅｄ ｍａｔｃｈｉｎｇ ａｒｅ ｐｒｏｐｏｓｅｄ ａｓ ｎｅｗ ｓｉｍｉｌａｒｉｔｙ ｍｅａｓｕｒｅｓ， ｍｕｌｔｉ—ｒｅｓｏｌｕｔｉｏｎ ｓｔｒａｔｅｇｙ ａｎｄ ＨＰＶ ｉｎｔｅｒｐｏｌａｔｉｏｎ ａｒｅ ｕｓｅｄ，ａｎｄ ｇｌｏｂａｌ ｏｐｔｉｍｉｚａｔｉｏｎ ｉｓ ｐｅｒｆｏｒｍｅｄ ｗｉｔｈ ｔｈｅ ｐｒｏｐｏｓｅｄ ｒｅｇｉｓｔｒａｔｉｏｎ ａｌｇｏｒｉｔｈｍ．Ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ａｎｄ ｃｏｍｐａｒｉｓｏｎｓ ｗｉｔｈ ｓｏｍｅ ｅｘｉｓｔ— ｉｎｇ ｒｅｇｉｓｔｒａｔｉｏｎ ｍｅｔｈｏｄｓ ｉｎ ｍｕｌｔｉ——ｍｏｄｅ ｍｅｄｉｃａｌ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｐｒｏｐｏｓｅｄ ａｌｇｏ—— ｒｉｔｈｍ ｉｍｐｒｏｖｅｓ ｒｅｇｉｓｔｒａｔｉｏｎ ａｃｃｕｒａｃｙ ａｎｄ ｐｅｒｆｏｒｍａｎｃｅ． Ｋｅｙｗｏｒｄｓ：ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ；ｍｏｄｉｆｉｅｄ ａｒｔｉｆｉｃｉａｌ ｆｉｓｈ－ｓｗａｒｍ ａｌｇｏｒｉｔｈｍ；Ｐｏｗｅｌｌ’Ｓ ｍｅｔｈｏｄ；ｍｕｌｔｉ— ｒｅｓｏｌ １ａｔｉｏｎ 医学成像技术 已经成为现代医疗技术中不 可或缺的一部分．目前，常见的医学成像手段如Ｘ 光透视、ＣＴ、ＭＲＩ和超声波等属于解剖成像，ＰＥＴ、 ＳＰＥＣＴ、功能性磁共振成像（ＭＲＩ）等技术属于功能 成像．对于不同的医学成像设备，由于成像机理的不 同，获取的图像也具有不同的特点，对病灶具有不同 的表现能力，医生需要整合不同图像来做统一的判 断．这就需要进行多模态医学图像的融合，而图像配 准 。 是图像融合的前提， 图像配准的效果将直接影 响图像融合的质量． 多模态医学图像配准就是将不同医学成像设备 获取的图像，如ＭＲＩ和ＣＴ图像通过一种空间变换 收稿日期：２０１０—０９～１４． 作者简介：￣（１９８６一），女，硕士生；赵海峰（联系人），男，副教授． 基金项目：国家自然科学基 金资助项目（６０７７２１２２）；安徽省教育厅自然科学研究项目（ＫＪ２００８Ａ１４５）． 网络出版时间：２０１１—０２—２１ 网络出版地址：ｈｔｔｐ：∥ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／６１．１０６９．Ｔ．２０１１０２２１・１６０５・００４・ｈｔｍｌ
医学图像配准技术 综述
医学图像配准技术
A Survey of Medical Image Registration
张剑戈综述， 潘家普审校 （上海第二医科大学生物医学工程教研室，上海 200025）
利用CT、MRI、SPECT及PET等成像设备能获取人体内部形态和功能的图像
信息，为临床诊断和治疗提供了可靠的依据。不同成像模式具有高度的特异性，
例如CT通过从多角度的方向上检测X线经过人体后的衰减量，用数学的方法重建
出身体的断层图像，清楚地显示出体内脏器、骨骼的解剖结构，但不能显示功能
信息。PET是一种无创性的探测生理性放射核素在机体内分布的断层显象技术，
是对活机体的生物化学显象，反映了机体的功能信息，但是图像模糊，不能清楚
地反映形态结构。将不同模式的图像，通过空间变换映射到同一坐标系中，使相
应器官的影像在空间中的位置一致，可以同时反映形态和功能信息。而求解空间
变换参数的过程就是图像配准，也是一个多参数优化过程。图像配准在病灶定位、
PACS系统、放射治疗计划、指导神经手术以及检查治疗效果上有着重要的应用价
值。
图像配准算法
可以从不同的角度对图像配准算法进行分类[1]：同/异模式图像配准，
2D/3D图像配准，刚体/非刚体配准。本文根据算法的出发点，将配准算法分为基
于图像特征(feature-based)和基于像素密度(intensity-based)两类。
基于特征的配准算法
这类算法利用从待配准图像中提取的特征，计算出空间变换参数。根据特征
由人体自身结构中提取或是由外部引入，分为内部特征(internal feature)和外
部特征(external feature)。 【作者简介】张剑戈 （1972-），男，山东济南人，讲师，硕士
1. 外部特征
在物体表面人为地放置一些可以显像的标记物（外标记，external marker）作为
基准，根据同一标记在不同图像空间中的坐标，通过矩阵运算求解出空间变换参
数。外标记分为植入性和非植入性[2]：立体框架定位、在颅骨上固定螺栓和在表
一种基于混合优化算法的医学图像配准方法
第２７卷第８期 ２０１０年８月 计算机应用研究 Ａｐｐｌｉｃａｔｉｏｎ Ｒｅｓｅａｒｃｈ ｏｆ Ｃｏｍｐｕｔｅｒｓ Ｖｏ１．２７ Ｎｏ．８ Ａｕｇ．２０１０
一种基于混合优化算法的医学图像配准方法
沈小卫，何明一 （西北工业大学电子信息学院陕西省信息获取与处理重点实验室，西安７１０１２９） 摘要：为了实现脑部多模医学图像配准，提出了一种基于混合优化算法的配准方法。该算法采用遗传算法中 的杂交思想改进了混沌粒子群算法，并用最大互信息测度对脑部ＭＲＩ及ＣＴ图像进行配准。该改进算法可有效 地避免优化算子陷入局部极值，而且算法收敛快。实验结果证明了提出的基于遗传思想的改进混沌粒子群优化 算法对多模医学图像配准具有有效性。 关键词：最大互信息；图像配准；粒子群优化算法；杂交；混沌 中图分类号：ＴＰ３９１．４ 文献标志码：Ａ 文章编号：１００１－３６９５（２０１０）０８—３１５９—０３ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１—３６９５．２０１０．０８．０９５
Ｍｅｄｉｃａｌ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ ｂａｓｅｄ ｏｎ ｈｙｂｒｉｄ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ
ＳＨＥＮ Ｘｉａｏ—ｗｅｉ，ＨＥ Ｍｉｎｇ—ｙｉ （Ｓｈａａｎｘｉ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆＩｎｆｏｒｍａｔｉｏｎ Ａｃｑｕｉｓｉｔｉｏｎ＆Ｐｒｏｃｅｓｓｉｎｇ，Ｓｃｈｏｏｌ ｏｆＥｌｅｃｔｒｏｎｉｃｓ＆Ｉｎｆｏｒｍａｔｉｏｎ，Ｎｏｒｔｈｗｅｓｔｅｒｎ Ｐｏｌｙｔｅｃｈｎｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ Ｘｉ’ａｎ ７１０１２９，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｄ ａｎ ａｐｐｒｏａｃｈ ｏｆ ｍｕｈｉｍｏｄａｌ ｍｅｄｉｃａｌ ｉｍａｇｅｓ ｒｅｇｉｓｔｒａｔｉｏｎ ｂａｓｅｄ ｏｎ ＣＰＳＯ（ｃｈａｏｓ ｐａｒｔｉｃｌｅ ｓｗａｌ３／ｌ ｏｐｔｉｍｉｚａｔｉｏｎ）ａｌｇｏｒｉｔｈｍ ｉｍｐｒｏｖｅｄ ｂｙ ＧＡ（ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ）．Ａｎｄ ａｐｐｌｉｅｄ ＭＭＩ ｔｏ ｔｈｅ ｒｅｇｉｓｔｒａｔｉｏｎ．Ｔｈｅ ｍｅｔｈｏｄ ｈａｄ ｍａｎｙ ａｄ— ｖａｎｔａｇｅｓ ｓｕｃｈ ａｓ ａｖｏｉｄｉｎｇ ｏｐｔｉｍｉｚｅｒ ｔｒａｐ ｉｎｔｏ ｌｏｃａｌ ｍａｘｉｍａ，ｑｕｉｃｋ ｃｏｎｖｅｒｇｅｎｃｅ．Ｔｈｅ ｍａｔｃｈｉｎｇ ｒｅｓｕｌｔｓ ｏｆ ＭＲＩ／ＣＴ ｄｅｍｏｎｓｔｒａｔｅ ｔｈａｔ ｒｅｇｉｓｔｒａｔｉｏｎ ｄｅｐｅｎｄｅｎｔ ｏｎ ＣＰＳＯ ａｌｇｏｒｉｔｈｍ ｉｍｐｒｏｖｅｄ ｂｙ ＧＡ ｉｓ ａ ｒｏｂｕｓｔ，ｆａｓｔ ｒｅｇｉｓｔｒａｔｉｏｎ ｍｅｔｈｏｄ． Ｋｅｙ ｗｏｒｄｓ：ＭＭＩ（ｍａｘｉｍｉｚｅｄ ｍｕｔｕａｌ ｉｎｆｏｒｍａｔｉｏｎ）；ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ；ＰＳＯ；ｃｒｏｓｓｏｖｅｒ；ｃｈａｏｓ
基于多目标交叉变异粒子群算法的多模医学图像非刚性配准
３Ｏ卷２期 ２０１１年４月 中 国 生物 医学工程学报 Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ Ｖ０１．３０ Ｎｏ．２ Ａｐｒｉｌ ２０１１
基于多目标交叉变异粒子群算法的多模医学图像非刚性配准
许鸿奎 江铭炎 杨明强
’（山东大学信息科学与工程学院，济南２５０１００） （山东建筑大学，济南２５０１０１）
摘 要：以互信息为相似性测度，采用Ｂ样条变换对多模态医学图像进行非刚性配准时，由于噪声及图像插值等 原因造成的互信息局部极值使得传统优化方法不能搜索到最佳配准参数。为此，使用粒子群智能优化方法作为搜 索策略，以降低对图像预处理的要求，进一步提高基于互信息的非刚性配准的鲁棒性。为了克服粒子群算法受初 始值选取等因素的影响易陷于局部最优的缺点，使用ＬＢＦＧＳ优化得到的结果构造初始粒子群，采用多目标优化方 法结合交叉变异策略加以改进，使得算法在解空间搜索的遍历性得到改善，优化结果更接近全局最优。ＭＲ—Ｔ２与 ＭＲ．ＰＤ图像的配准实验证明，该方法提高了基于互信息的Ｂ样条非刚性配准的鲁棒性，配准率达到９４％；ＣＴ与 ＰＥＴ图像的配准实验表明该方法相比惯性权重粒子群算法提高了配准精度，互信息增加了０．０２６；另外，ＣＴ与 ＣＢＣＴ图像的配准实验也验证了本方法的有效性。
关键词：非刚性配准；互信息；多目标优化；粒子群算法；交叉变异 中图分类号ＴＰ３９１ 文献标识码Ａ 文章编号０２５８—８０２１（２０１１）０２－０２３２￣８
Ｎｏｎ－ｒｉｇｉｄ Ｒｅｇｉｓｔｒａｔｉｏｎ ｏｆ Ｍｅｄｉｃａｌ Ｍｕｌｔｉｍｏｄａｌ Ｉｍａｇｅｓ Ｂａｓｅｄ ｏｎ
Ｍｕｌｔｉ－ｏｂｊｅｃｔｉｖｅ Ｃｒｏｓｓ－ｍｕｔａｔｉｏｎ ＰＳＯ Ａｌｇｏｒｉｔｈｍ
ＸＵ Ｈｏｎｇ—Ｋｕｉ ＪＩＡＮＧ Ｍｉｎｇ．Ｙａｎ ＹＡＮＧ Ｍｉｎｇ—Ｑｉａｎｇ （Ｓｃｈｏｏｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｈａｎｄｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｊｉｎａｎ ２５０１００，Ｃｈｉｎａ） （Ｓｈａｎｄｏｎｇ Ｊｉａｎｚｈｕ Ｕｎｉｖｅｒｓｉｔｙ，Ｊｉｎａｎ ２５０１０１，Ｃｈｉｎａ）
基于动态融合蚁群遗传算法的医学图像配准
第３４卷 Ｖｏ１．３４ 第１期 Ｎｏ．１ 计算机工程 Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ２００８年１月 Ｊａｎｕａｒｙ ２００８ ・人工智能及识别技术・ 文章编号｛１ｏｏｏ．３４２８（２００８）ｏ１—＿ｏ２２ ＿＿０３ 文献标识码ｔ Ａ 中田分类号：ＴＰ１８ 基于动态融合蚁群遗传算法的医学图像配准 张石 ，杜恺 ，张伟 （１．东北大学信息科学与工程学院，沈阳１１０００４；２．中国人民解放军９３１１５部队，沈阳１１００３１） 摘要：将基于动态融合的蚁群遗传算法作为一种新的图像配准优化算法应用在多模医学图像配准中。该算法以互信息作为相似性测度， 生成初始信息素分布，采用蚁群算法搜索最优变换参数，其中动态融合策略提高了混合算法的搜索效率。仿真实验结果表明，该算法有效 地避免信息函数的局部极值，减少大量重复运算，提高了配准的效率，配准结果具有良好的稳定性。 关蝴：蚁群算法；遗传算法；动态融合；互信息；图像配准 Ｍｅｄｉｃａｌ Ｉｍａｇｅ Ｒｅｇｉｓｔｒａｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｄｙｎａｍｉｃ Ｃｏｍｂｉｎａｔｉｏｎ ｏｆ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ ａｎｄ Ａｎｔ Ｃｏｌｏｎｙ Ａｌｇｏｒｉｔｈｍ ＺＨＡＮＧ Ｓｈｉ ，ＤＵ Ｋａｉ ，ＺＨＡＮＧ Ｗｅｉ （１．Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ Ｃｏｌｌｅｇｅ，Ｎｏｒｔｈｅａｓｔｅｒｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｙａｎｇ １ １ ０００４ ２．Ｔｈｅ ９３１１５Ａｒｍｙ ｏｆｔｈｅＣｈｉｎｅｓｅＰｅｏｐｌｅ’ＳＬｉｂｅｒａｔｉｏｎＡｒｍｙ，Ｓｈｅｎｙａｎｇ １１００３１） ［Ａｂｓｔｒａｃｔ］Ｔｈｉｓ ｐａｐｅｒ ａｄｖａｎｃｅｓ ａ ｎｅｗ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｏｆ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ ｂａｓｅｄ ｏｎ ｔｈｅ ｄｙｎａｍｉｃ ｃｏｍｂｉｎａｔｉｏｎ ｏｆ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ ａｎｄ ａｎｔ ｃｏｌｏｎｙ ａｌｇｏｒｉｔｈｍ，ｔｈｅｎ ｉｔ ｉｓ ａｐｐｌｉｅｄ ｔＯ ｍｕｌｔｉｍｏｄａｌｉｔｙ ｍｅｄｉｃａｌ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ．Ｔｈｉｓ ａｌｇｏｒｉｔｈｍ ａｐｐｌｉｅｄ ｍｕｔｕａｌ ｉｎｆｏｒｍａｔｉｏｎ ａｓ ｔｈｅ ｓｉｍｉｌａｒｉｔｙ ｍｅａｓｕｒｅｍｅｎｔ，ｆｉｒｓｔｌｙ ｇｅｎｅｒａｔｅｓ ｉｎｉｔｉａｌｉｚａｔｉｏｎ ｐｈｅｒｏｍｏｎｅ ｄｉｓｔｒｉｂｕｔｅ，ｔｈｅｎ ｓｅａｒｃｈｅｓ ｔｈｅ ｂｅｓｔ ｐａｒａｍｅｔｅｒｓ ｕｓｉｎｇ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ，ｉｎ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｔｈｅ ｓｔｒａｔｅｇｙ ｏｆ ｄｙｎａｍｉｃ ｆｕｓｉｏｎ ｉｍｐｒｏｖｅｓ ｅｆｆｉｃｉｅｎｃｙ ｏｆ ｓｅａｒｃｈｉｎｇ．Ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｎｅｗ ｒｅｇｉｓｔｒａｔｉｏｎ ｍｅｔｈｏｄ ｃａｎ ｅｆｆｉｃｉｅｎｔｌｙ ｒｅｓｔｒａｉｎ ｔｈｅ ｌｏｃａｌ ｍａｘｉｍａ ｏｆ ｍｕｔｕａｌ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｎｃｔｉｏｎ，ａｖｏｉｄ ｖａｓｔ ｒｅｐｅａｔｅｄ ｃａｌｃｕｌａｔｉｏｎｓ，ｉｍｐｒｏｖｅ ｔｈｅ ｅｆｆｉｃｉｅｎｃｙ ｏｆ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ．Ｆｕｒｔｈｅｒｍｏｒｅ ｉｔ ｉｓ ｅｘｃｅｌｌｅｎｔ ｉｎ ｒｏｂｕｓｔｎｅｓｓ． ［Ｋｅｙ ｗｏｒｄｓｌ ａｎｔ ｃｏｌｏｎｙ ａｌｇｏｒｉｔｈｍ；ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ；ｄｙｎａｍｉｃ ｃｏｍｂｉｎａｔｉｏｎ；ｍｕｔｕａｌ ｉｎｆｏｒｍａｔｉｏｎ；ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ 多模医学图像配准是将同一部位的不同成像模式的两组 图像通过获得一个最优变换而对应起来，使两组图像之间的 信息能够在同一空间坐标下同时表达。近年来，基于互信息 量的图像配准算法得到越来越多的应用，该方法在配准前不 需要任何特征提取预处理，而且对于图像之间的像素灰度值 并不要求具有某种特定的相关性，因此，可以适用于多种不 同图像的全自动配准”Ｊ。最大互信息法的多模医学图像配准 的过程可描述为：对待配准图像Ａ，寻求一组空间变换参数， 并且根据这组参数将Ａ通过几何变换成为Ａ’，使Ａ’与参考 图像Ｂ空间位置完全一致时，其中，一幅图像中表达的关于 另一幅图像的信息，即互信息达到最大。所以，基于互信息 的图像配准方法的实现过程是一个多元参数的寻优过程。本 文以最大互信息为配准算法基础，提出用蚁群算法和遗传算 法相融合的一种新的搜索最优变换的策略。 １蚊群算法、遗传算法的基本原理 遗传算法由个体或染色体组成，包括３个遗传算子：选 择，交叉和变异，遗传算法进行各种算子操作的目的是寻找 生命力最强，即适应度最大的个体。遗传算法的有效性正是 由于交叉和变异这一相互配合而又相互竞争的操作使遗传算 法的搜索能力得到飞跃提高，使算法具有全局收敛性 】。 蚂蚁在觅食过程中碰到一个还没有走过的路Ｉ：Ｉ时，就随 机地挑选一条路径前行，同时会释放出与路径长度有关的信 息素。蚂蚁走的路径越长，则释放的信息素数量越小 】。当 后来的蚂蚁再次碰到这个路Ｅｌ的时候，选择信息素数量较大 路径概率就会相对较大，这样形成了一个正反馈机制，最优 路径上的信息素数量越来越大，而其他路径上的信息素数量 却会随着时间的流逝而消减，最终整个蚁群会找出最优路径。 蚁群算法便是基于这种正反馈自催化行为产生的。 蚁群算法是通过信息素的累积和更新收敛于最优路径上， 具有分布式并行全局搜索能力，但初期信息素匮乏，求解速 度慢；遗传算法具有快速随机的全局搜索能力，但对于系统 中的反馈信息利用却无能为力，当求解到一定范围时往往做 大量无谓的冗余迭代，求精确解效率低。基于上述特点，可 充分利用遗传算法的群体并行寻优特征及全局收敛特性，将 遗传算法生成的初始化序列作为初始信息素注入蚁群算法 中，引导蚁群算法的搜索，达到使蚁群算法快速收敛的目的， 从而获得最佳的全局最优值。 ２遗传算法 本算法采用二进制编码方式将医学图像配准需要进行的 几何变换参数ｘ，ｙ轴平移、旋转角、缩放倍数（分别用符号 ｘ， 表示）进行编码；种群大小为５０；选取最大互信 息做为适应度函数；选择方式采用比例选择算子；交叉方式 基金项目：“９８５工程”信息化基础结构关键技术科技创新平台基 金资助重点项目 作者倚介：张石（１９６３一），男，教授、博士，主研方向：嵌入式系 统，医学图像处理；杜恺，助理工程师、硕士研究生；张伟， 硕士研究生 收稿日期：２００７—０１一ｌ６ Ｅ－ｍａｉｌ：ｄｕｋａｉ—ｓｙ＠ｌ６３．ｃｏｍ
基于梯度广义近邻图的多模医学图像配准
第３８卷
Ｖ０ｌ＿３８ 第ｌ０期
ＮＯ．１０ 计算机工程
Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ２０１２年５月 Ｍａｙ ２０１２
・图形图像处理・ ￣ｌｔｌｌｑ．１０００－－３４２８（２０１２）１ｏ一＿０２０ｏ＿－０３ 文献标识码ｔ Ａ 中圈分类号。ＴＰ３９１．４
基于梯度广义近邻图的多模医学图像配准
卜令斌 ，赵ｊ孽蜂 ，孙登第 ，罗斌１，２
（１．安徽大学计算智能与信号处理教育部重点实验室，合肥２３００３９；２．安徽省工业图像处理与分析重点实验室，合肥２３００３９）
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Ｒ６ｎｙｉ互信 息作为目标函数，利用广义近邻图估计Ｒ６ｎｙｉ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。 关蝴：医学图像配准；特征点；广义近邻图；Ｒ６ｎｙｉ熵；梯度；ＳＩＦＴ描述子
Ｍｕｌｔｉ－ｍｏｄａｌｉｔｙ Ｍｅｄｉｃａｌ Ｉｍａｇｅ Ｒｅｇｉｓｔｒａｔｉｏｎ
Ｂａｓｅｄ ０ｎ Ｇｒａｄｉｅｎｔ Ｇｅｎｅｒａｌｉｚｅｄ Ｎｅａｒｅｓｔ－ｎｅｉｇｈｂｏｒ Ｇｒａｐｈ
ＢＵ Ｌｉｎｇ—ｂｉｎ ，ＺＨＡＯ Ｈａｉ—ｆｅｎｇ ，ＳＵＮ Ｄｅｎｇ．ｄｉ ．．，ＬＵＯ Ｂｉｎ ，
（１．Ｋｅｙ Ｌａｂ ｏｆＩｎｔｅｌｌｉｇｅｎｔ Ｃｏｍｐｕｔｉｎｇ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ ｏｆＭｉｎｉｓｔｒｙ ｏｆＥｄｕｃａｔｉｏｎ，Ａｎｈｕｉ Ｕｎｉｖｅｒｓｉｔｙ，Ｈｅｆｅｉ ２３００３９，Ｃｈｉｎａ；
２．Ｋｅｙ Ｌａｂ ｏｆ Ｉｎｄｕｓｔｒｉａｌ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ＆Ａｎａ１）ｒｓｉｓ ｏｆＡｎｈｕｉ Ｐｒｏｖｉｎｃｅ．Ｈｅｆｅｉ ２３００３９．Ｃｈｉｎａ）
［Ａｂｓｔｒａｃｔ］Ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｓ ａｎ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｍｅｄｉｃａｌ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ ｆｕｓｅｄ ｗｉｔｈ ｇｒａｄｉｅｎｔ ｉｎｆｏｒｍａｔｉｏｎ．Ｉｔ ｅｘｔｒａｃｔｓ ｔｈｅ ｃｏｍｐｌｅｍｅｎｍｒｙ ｓｃａｌｅ
基于拉普拉斯谱的医学图像配准算法
第３７卷
Ｖｌ０１．３７ 第ｌ４期
Ｎｏ．１４ 计算机工程
Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ２０１１年７月
Ｊｕｌｙ ２０１１
・图形图像处理・ 文章编号：１００ｏ－－３４２８（２ｏ１１）１４＿＿０２３ｌ—０２ 文献标识码：Ａ 中图分类号：ＴＰ３９１．４１
基于拉普拉斯谱的医学图像配准算法
夏云ａ，ｂＩＩ粱栋ａ，ｂ ９鲍文霞ａ，ｂＩｔ徐慧 ，颜普
（安徽大学ａ．计算智能与信号处理教育部重点实验室；ｂ．电子信息工程学院，合肥２３００３９）
摘要：提出一种基于拉普拉斯谱的医学图像配准算法，通过将谱图理论应用到医学图像配准中并引入特征向量，以达到提高配准精确度 和计算效率的目的。该算法根据医学图像的解剖特征来构造拉普拉斯矩阵，通过分析拉普拉斯矩阵的谱得到匹配关系；采用射影变换模型， 计算射影矩阵；通过坐标变换和图像插值方法实现图像配准。实验结果表明，该算法与经典的最大互信息配准算法相比，提高了单传感器
和多传感器医学图像配准的精度，并且降低运算复杂度。
关健词：配准；拉普拉斯谱；图；互信息；传感器
Ｍｅｄｉｃａｌ Ｉｍａｇｅ Ｒｅｇｉｓｔｒａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ
Ｂａｓｅｄ ｏｎ Ｌａｐｌａｃｉａｎ Ｓｐｅｃｔｒｕｍ
ＸＩＡ Ｙｌｕｎ ，ＬＩＡＮＧ Ｄｏｎｇａ，＂，ＢＡＯ Ｗｅｎ．ｘｉａ ，ＸＵ Ｈｕｉ ，¨，ＹＡＮ Ｐｕ ，
（ａ．Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｉｎｔｅｌｌｉｇｅｎｔ Ｃｏｍｐｕｔｉｎｇ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，Ｍｉｎｉｓｔｒｙ ｏｆ Ｅｄｕｃａｔｉｏｎ；
ｂ．Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ａｎｈｕｉ Ｕｎｉｖｅｒｓｉｔｙ，Ｈｅｆｅｉ ２３００３９，Ｃｈｉｎａ）
［Ａｂｓｔｒａｃｔ］Ｔｈｅ ｍｅｄｉｃａｌ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ Ｌａｐｌａｃｉａｎ ｓｐｅｃｔｒｕｍ ａｌｇｏｒｉｔｈｍ ｉｓ ｐｒｏｐｏｓｅｄ．Ｔｈｅ ｉｄｅａ ｏｆ ｕｓｉｎｇ ｇｒａｐｈ ｔｈｅｏｒｙ ａｓ