基于最大互信息法的醫(yī)學圖像配準技術(shù)研究.pdf

1、醫(yī)學圖像是在不同的時間和（或）不同的空間和（或）不同的成像技術(shù)下獲得的。各種圖像反映的是同一病人各種屬性的信息，有關(guān)于解剖結(jié)構(gòu)的信息，也有關(guān)于生理特征的信息，這些信息本來是統(tǒng)一的，而現(xiàn)在被分散到多種圖像上去了。為了給醫(yī)學診斷和治療計劃提供更加準確全面的圖像依據(jù)，需要將多種圖像進行配準，也就是說，使多種圖像中的對應點達到空間位置和解剖位置的完全一致，形成一幅新的二維圖像，其中的每一個像素點含有各方面屬性的信息。 本文首先將Cann

2、y邊緣檢測算子和數(shù)學形態(tài)學的方法相結(jié)合，提取頭部實體的外輪廓，利用矩和主軸法對外輪廓圖像進行粗配準。其次，研究了基于Shannon熵的歸一化互信息和基于Renyi熵的歸一化互信息的特點，根據(jù)某些參數(shù)下的Renyi熵可以消除局部極值，而Shannon熵對于局部極值具有很強吸引域的特點，提出了將基于Renyi熵的歸一化互信息和基于Shannon熵的歸一化互信息混合起來作為相似性測度的圖像配準算法，該算法先用自適應遺傳算法尋找基于Renyi熵

3、的歸一化互信息的極值，然后用此極值作為單純形優(yōu)化算法的初值，用單純形優(yōu)化算法尋找基于Shannon熵的歸一化互信息的全局最優(yōu)解。最后，本文對以下三種配準方法進行了比較研究：1）以基于Shannon熵的歸一化互信息為相似性測度，以遺傳算法為優(yōu)化算法的配準算法；2）以基于Shannon熵的歸一化互信息為相似性測度，先用矩和主軸法粗配準，再以遺傳算法為優(yōu)化算法精配準的配準算法；3）本文提出的以基于混合熵的歸一化互信息為相似性測度，先用矩和主軸