基于群體智能算法的醫(yī)學圖像配準.pdf

1、醫(yī)學圖像配準是醫(yī)學圖像處理領域中的一項重要技術，對臨床診斷和治療起著越來越重要的作用。盡管醫(yī)學圖像剛性配準研究已經(jīng)開展多年，但是目前的主要方法仍然存在不足，需進一步改進，才能使其更好地應用于臨床。 目前提出的圖像配準算法大多可分為基于灰度的配準方法和基于特征的配準方法，兩類方法各有利弊。作者融合了上述兩類方法，以基于特征的多模醫(yī)學圖像配準為核心，借鑒了互信息的思想，并通過實驗取得了良好的效果。文中按配準過程的三步驟，分別對特征提

2、取、相似性測度和配準優(yōu)化算法等方面進行了討論。歸納起來，全文的主要研究工作和創(chuàng)新之處在于： (1)分析了傳統(tǒng)的邊緣檢測算子及數(shù)學形態(tài)學方法提取圖像邊緣。傳統(tǒng)方法對清晰圖像的邊緣檢測效果很好，但對噪聲相對敏感。多尺度小波系數(shù)由于其相關性在去噪中得到應用，本文提出利用小波多尺度積來最大限度的抑制噪聲，新的方法可以有效去除原圖像的噪聲，得到準確的圖像邊緣及特征點。 (2)對配準中的傳統(tǒng)局部優(yōu)化算法和智能全局優(yōu)化算法進行了研究。

3、為提高全局算法的局部搜索能力，提出了量子粒子群算法(QPSO)和Powell算法混合的配準算法(PQPSO)，并通過CT-MR圖像配準實驗比較了GA、PSO、QPSO及PQPSO的算法性能，實驗結(jié)果表明PQPSO混合優(yōu)化算法具有更好的尋優(yōu)特性。 (3)在相似性測度方面，提出了一種改進型的基于特征點互信息的圖像配準方法，該方法用小波多尺度積提取的輪廓特征點，將圖像的特征信息與互信息結(jié)合起來，它只需針對提取出來的特征點進行計算，計算