论文部分内容阅读
随着医学影像技术的快速发展,出现了多种模态的医学影像。医学上,急需把这些描述不同解剖或功能信息的图像快速准确的融合起来,为临床诊断和手术治疗提供更加全面准确的信息。医学图像配准是将两幅图像的对应特征点达到几何对齐,它是融合的关键部分。 本文介绍了配准中常用的几何变换形式、优化搜索方法、各种相似性测度、配准的一般分类原则及国内外面临的问题和发展方向。然后对现有的配准算法及相关技术进行了整理,按是否提取图像特征为依据将配准方法分为基于图像特征的配准和基于体素的配准。 在基于体素的方法中,最大化互信息法是目前研究的热点,本文对最大互信息法的性能做了详细的分析。在添加了不同噪声干扰时,它表现出了很好的抗噪性;对于不同分辨率的图像配准,分辨率越高,配准精度越高;PV插值技术导致互信息相邻整数变换之间的非单调性。由于最大互信息方法并没有充分地考虑图像的空间信息,本文研究了其它的基于互信息的方法:互信息求导法、高阶互信息法等。 最大互信息法计算的是图像的重叠区域。当重叠区域随着视场的改变发生变化时,互信息各项的值也都发生变换,最大互信息方法没有充分考虑各项变化之间的关系,出现了误配准的情况。针对此问题,本文采用了一种基于归一化互信息配准的新方法。通过与其它几种相似性测度的比较,该方法对图像重叠区域的变化具有不变性,从而使配准更具鲁棒性。本文在理论和试验分析的基础上得出结论该方法优于最大互信息法。