基于特征点的异源图像配准技术及其应用的研究.docx

基于特征点的异源图像配准技术及其应用的研究摘要：本文定义了基于图像特征点的互信息计算公式提出区域增长结合动态聚类算法的图像特征点提取方法。在使图像特征点互信息最大化完成医学图像配准的过程中引入人机交互缩短了优化过程避免了局部极值。提出的配准策略具备临床实用性尤其适于缺少灰度信息的医学图像配准。关键词：医学图像配准图像特征点互信息中图分类号：TP391.41文献标识码：A文章编号：1007-9416（2013）06-0104-011配准方法1.1目标函数通常配准算法的策略是假定两幅待配准的图像分别为M和F定义一个目标函数（也称能量函数）E=E（MT（F））。其中T代表对图像F作空间变换。一般认为E值的大小代表了图像的配准程度。对于特定的配准任务图像M和F是确定的因此E是空间变换T的函数即E=E（T）。这样配准问题就转化为寻求一定的空间变换T使E=E（T）取最优值的问题。根据E的定义不同最优值对应最大或最小值。在定义了E之后还必须解决一个问题即如何找到E的最优值也就是E的优化问题。下面简要介绍图像特征点互信息配准方法中目标函数E的定义。采用图像特征点互信息作为配准目标函数具备如下特有的优点：首先互信息反映的是两个系统间的统计相关性或者说代表了系统X中包含的系统Y的信息。在医学图像配准问题中由于待配准的两幅图像基于共同的解剖信息因此当两幅图像达到空间位置完全一致时其中一幅图像表达的关于另一幅图像的信息也就是对应图像特征点的位置互信息应为最大；其次对于图像特征点集X（或Y）中特征点的数目多少以及排列先后次序式（1）没有严格要求。即X和Y中点的数目可以不相等并且点的编号次序是随机的；再者式（1）反映的是X和Y的统计特性因而具备一定的抗噪声能力。1.2空间变换我们将研究的范围限制在二维脑断层图像的配准。因为脑组织受到颅骨的严密保护所以脑部运动可以近似为刚体运动即内部无相对运动。同时假设待配准的图像经过预处理后具有相同的空间比例。我们的目标是寻求空间变换T使MI（T）最大。针对前面所做假设令T=T1T2；其中T1为平移矩阵T2为旋转矩阵。将坐标原点定在图像的左下角并取向上和向右分别为Y轴和X轴的正向。1.3优化策略2结果为检验算法的有效性首先进行配准的模拟计算。选取一幅磁共振图像作为模板图像g对此图像作空间变换后再施加一定的人工噪声得到的图像作为浮动图像f；然后对这两幅图像作配准。如图1所示为一组图像配准前后对照其中对图像g作空间变换（$x=22$y=3$r=2.0）后得到图像f。图1c1d中小圆圈代表聚类得到的形状特。图1互信息与空间位置的关系3结语利用图像特征点的最大互信息配准由于所用空间变换和互信息计算式是对若干个空间点的坐标直接进行避免了对灰度图像作变换时的插值；因而具有计算量小、速度快的优点。同时区域轮廓的人机交互选取使得在配准过程中可以重点强调某些感兴趣区域忽略无关干扰信息确保配准精度。而优化过程中的人机交互则大大缩短了配准时间并避免了局部极值问题。此方法可广泛地应用于同模以及多模医学图像的配准对硬件的计算性能要求较低（普通PC机即可）具备临床推广价值。