基于多分辨率B樣條和GTM的圖像配準算法研究.pdf

1、在醫(yī)學診斷和治療的過程中，常常需要對比多幅圖像進行分析以獲得更精確和全面的信息。圖像分析需要多幅圖像的幾何位置保持一致，即需要對多幅圖像進行配準。因此，醫(yī)學圖像配準是醫(yī)學圖像處理領域中一個基礎和重要的研究課題。近年來，隨著醫(yī)學影像技術和計算機技術的不斷發(fā)展，醫(yī)學圖像配準技術得到了不斷的發(fā)展和完善，其應用領域也不斷擴展，它已成為醫(yī)學圖像融合、醫(yī)學圖像重建、圖像與標準圖譜匹配等研究的基礎。目前，醫(yī)學圖像配準已成為醫(yī)學圖像處理領域研究的熱點和

2、難點之一。
　　醫(yī)學圖像配準主要可以分為基于特征驅動的方法和基于灰度驅動的方法兩大類。本文在基于特征驅動方法的基礎上，對圖像配準各個環(huán)節(jié)所使用的技術進行了深入的研究。論文的主要工作如下：
　　(1)首先對特征點獲取過程中存在的問題進行了深入的研究和討論。準確、自動的提取特征點是特征獲取過程中的難點。本文針對肝臟和肺器官存在大量血管結構的特點，使用了一種自動提取特征點并確定特征點集間映射關系的算法。為了更好的提取出血管，提出了

3、一種改變平均灰度進行二值化圖像的方法，采用Palagyi算法對血管進行細化，建立血管樹型模型，通過對血管樹的遍歷，找出分支結點和葉結點，作為特征點集；通過聯合圖配準算法，尋找兩幅圖像中對應的血管樹，進而找到特征點集之間初步的映射關系。
　　(2)對現有的冗余點去除算法進行了研究。深入研究了 Soft Assign算法、RANSAC算法和 GTM算法的基本原理，通過仿真實驗分別從精確度、正確點的留存率、能量函數三個方面對其去除冗余點

4、的效果進行了綜合評估并給出結論。采用快速搜索近鄰法對 GTM算法進行改進，實驗證明，改進的 GTM算法在不改變計算精確度的基礎上，大大提高了算法的運行效率。
　　(3)深入研究了薄板樣條差值算法和 B樣條插值算法。針對 B樣條差值算法中函數變換的精確性與平滑性難以兼顧的問題，提出了基于多分辨率的 B樣條插值算法，此算法將控制網格分級，最稀疏的網格擬合大的形變，較密的網格減小逼近誤差。實驗證明了多分辨率的B樣條插值能夠使配準結果的精