基于群體智能算法的醫(yī)學(xué)圖像配準(zhǔn).pdf

1、醫(yī)學(xué)圖像配準(zhǔn)是醫(yī)學(xué)圖像處理領(lǐng)域中的一項(xiàng)重要技術(shù)，對(duì)臨床診斷和治療起著越來(lái)越重要的作用。盡管醫(yī)學(xué)圖像剛性配準(zhǔn)研究已經(jīng)開(kāi)展多年，但是目前的主要方法仍然存在不足，需進(jìn)一步改進(jìn)，才能使其更好地應(yīng)用于臨床。 目前提出的圖像配準(zhǔn)算法大多可分為基于灰度的配準(zhǔn)方法和基于特征的配準(zhǔn)方法，兩類方法各有利弊。作者融合了上述兩類方法，以基于特征的多模醫(yī)學(xué)圖像配準(zhǔn)為核心，借鑒了互信息的思想，并通過(guò)實(shí)驗(yàn)取得了良好的效果。文中按配準(zhǔn)過(guò)程的三步驟，分別對(duì)特征提

2、取、相似性測(cè)度和配準(zhǔn)優(yōu)化算法等方面進(jìn)行了討論。歸納起來(lái)，全文的主要研究工作和創(chuàng)新之處在于： (1)分析了傳統(tǒng)的邊緣檢測(cè)算子及數(shù)學(xué)形態(tài)學(xué)方法提取圖像邊緣。傳統(tǒng)方法對(duì)清晰圖像的邊緣檢測(cè)效果很好，但對(duì)噪聲相對(duì)敏感。多尺度小波系數(shù)由于其相關(guān)性在去噪中得到應(yīng)用，本文提出利用小波多尺度積來(lái)最大限度的抑制噪聲，新的方法可以有效去除原圖像的噪聲，得到準(zhǔn)確的圖像邊緣及特征點(diǎn)。 (2)對(duì)配準(zhǔn)中的傳統(tǒng)局部?jī)?yōu)化算法和智能全局優(yōu)化算法進(jìn)行了研究。

3、為提高全局算法的局部搜索能力，提出了量子粒子群算法(QPSO)和Powell算法混合的配準(zhǔn)算法(PQPSO)，并通過(guò)CT-MR圖像配準(zhǔn)實(shí)驗(yàn)比較了GA、PSO、QPSO及PQPSO的算法性能，實(shí)驗(yàn)結(jié)果表明PQPSO混合優(yōu)化算法具有更好的尋優(yōu)特性。 (3)在相似性測(cè)度方面，提出了一種改進(jìn)型的基于特征點(diǎn)互信息的圖像配準(zhǔn)方法，該方法用小波多尺度積提取的輪廓特征點(diǎn)，將圖像的特征信息與互信息結(jié)合起來(lái)，它只需針對(duì)提取出來(lái)的特征點(diǎn)進(jìn)行計(jì)算，計(jì)算