基于互信息和梯度信息的多模醫(yī)學圖像配準研究.pdf_第1頁
已閱讀1頁,還剩52頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、在多模醫(yī)學圖像配準中,互信息方法以其許多優(yōu)點,得到了廣泛的應用,盡管不同模態(tài)的醫(yī)學圖像灰度會有差異,但成像對象卻是同一器官或組織,因此兩幅圖像完全對齊時,圖像互信息應為最大值。可見,互信息取得最大的位置就是圖像的配準位置。雖然互信息法比基于特征的方法,在魯棒性和配準精度方面表現(xiàn)較好,但互信息本身也有缺點,一是互信息的度量會受待配準圖像間的重疊部分的多少的影響,這一問題可通過歸一化的互信息或熵相關系數(shù)來解決。二是互信息在空間信息表達方面的

2、固有缺陷-忽略了圖像的空間信息,可能無法正確的反映圖像間的關系,從而導致誤配的情況發(fā)生,可通過加入梯度信息來彌補這一不足之處。本文提出了一種新的配準方法,新配準方法把歸一化的互信息和梯度信息結(jié)合起來作為相似性測度,利用遺傳算法和 Powell 算法相結(jié)合混合算法優(yōu)化配準參數(shù)。通過對新配準函數(shù)特性進行分析,新配準函數(shù)的光滑性相對于傳統(tǒng)互信息有一定改善,但仍表現(xiàn)出的局部極值特性,使像 Powell 這類局部搜索算法在優(yōu)化配準參數(shù)時易陷入局部

3、極值點,從而導致配準精度不高,甚至可能配準失敗。為解決這一問題,使得須考慮使用全局策略來尋找最優(yōu)值。針對新相似性測度,利用遺傳算法在低精度條件下進行粗略的全局配準,把獲得的最優(yōu)解做Powell 算法的初始點,利用 Powell 算法在高精度條件下在進行局部搜索,逼近全局最優(yōu)解。混合優(yōu)化算法繼承了遺傳算法和 Powell 算法各自優(yōu)勢,使配準結(jié)果可以以較高的精度收斂于全局最優(yōu)值。由于加入了空間信息,采用了歸一化的互信息,并對新配準函數(shù)使用

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論