基于SIFT和互信息的醫(yī)學圖像配準研究.pdf

1、隨著醫(yī)學影像技術的快速發(fā)展,醫(yī)學圖像呈現(xiàn)的模態(tài)也越來越多樣化。在臨床應用中,為能準確診斷或制定合適的治療方案,一般將同一部位的多種模態(tài)的圖像融合成同一幅圖,以便更直觀地觀察圖像全面的信息。然而,由于不同儀器獲得的醫(yī)學圖像成像原理、參數(shù)、分辨率均不同,因而圖像融合的首要任務是圖像配準。
　　本文以醫(yī)學圖像配準算法作為研究內(nèi)容,主要對 SIFT配準算法和互信息算法進行了研究,以獲得更高的配準精度。本文主要完成以下幾方面工作:
　

2、　(1)提出了一種改進的SIFT算法。SIFT算法在醫(yī)學圖像配準中存在著提取關鍵點數(shù)目較少且不能反映結(jié)構信息的問題,為了克服這個缺點,在 SIFT算法中引入Harris角點檢測算法,提取到更多具有結(jié)構意義的關鍵點,有效地對SIFT特征點進行補充,從而提高醫(yī)學圖像配準精度。
　　(2)針對基于互信息配準算法的醫(yī)學圖像配準問題,改進了PSO優(yōu)化算法。在分析PSO優(yōu)化算法的基礎上,引入遺傳算法中復制、雜交、變異思想對其進行改進,從而有效

3、地解決了PSO算法后期收斂速度慢,易陷入局部最優(yōu)的缺點。實驗表明改進的PSO算法可以更快更準確地得到配準結(jié)果。
　　(3)為滿足更高的配準精度要求,結(jié)合改進的SIFT算法和互信息配準算法,對圖像進行兩步配準。改進的 SIFT算法雖然在一定程度上提高了配準精度,但由于醫(yī)學應用通常要求更高的精度,因此,為獲得更高的配準精度,增加一步基于互信息配準算法。
　　針對超聲圖像、CT圖像以及MRI圖像的配準問題,對本文所提出的算法進行了