医学图像配准和融合的若干研究

论文摘要

近年来,在计算机技术和生物影像处理技术的发展影响下,医学图像配准与融合逐渐成为研究热点,它是医学影像科学、计算机技术和当代信息科学相交叉的一个领域,现在已经广泛地应用于临床研究中。医学图像配准与融合算法研究的核心任务是全面阐述该领域所涉及的数学方法、医学知识和计算机算法设计等思想,本文深入研究了医学图像配准与融合的相关技术,从理论探讨入手,结合实际应用,分别解决了传统方法存在的问题。论文的主要工作可总结为以下几个方面:医学图像配准是进行图像融合的前提条件,配准结果的精确度直接影响融合的质量。本文针对基于互信息的配准方法进行了综述,基于互信息的目标函数经常是不光滑的,并且存在许多局部极值,这给配准的优化过程带来了很大的困难,本文根据牛顿万有引力提出了一种基于概率和引力优化模型的图像自动配准方法,并与几种传统方法进行分析比较。实验结果表明,这种方法能够有效地克服互信息的局部极值,在配准精度,配准时间和抗噪性方面都有较好的性能。传统的基于小波变换的像素级图像融合方法存在冗余问题,为了进一步满足图像融合对方向性的要求,本文在研究contourlet变换原理和性能的基础上,提出了基于区域敏锐度分析的自适应融合规则。该方法充分利用contourlet变换的多分辨率、局域性和方向性,有效捕捉源图像在细节、纹理方面的方向信息,提高了融合后图像的可视性。目前,传统的医学图像配准多采用与图像融合分离的方法,先进行配准,再进行融合,但是考虑到多数图像配准的目的是为了后续的图像融合,因此本文在处理图像配准的过程中,将测度函数与目标融合所需要的特征信息相结合。这种方法的优势在于它能赋予图像配准方法目的性,使融合后的图像质量更高。

论文目录

• 摘要
• Abstract
• 引言
• 1 绪论
• 1.1 课题研究的背景和意义
• 1.2 医学图像配准技术
• 1.2.1 医学图像配准的概念[4]
• 1.2.2 医学图像配准方法综述
• 1.2.3 医学图像配准方法研究现状
• 1.3 医学图像融合技术
• 1.3.1 医学图像融合的概念
• 1.3.2 医学图像融合方法综述
• 1.3.3 医学图像融合方法研究现状
• 1.4 本文的主要工作和安排
• 2 基于灰度的医学图像配准与融合的算法研究
• 2.1 基于灰度的医学图像配准算法研究
• 2.1.1 基于灰度的医学图像配准算法的数学描述
• 2.1.2 基本空间变换模型
• 2.1.3 互信息法的理论基础
• 2.1.4 多参数优化算法
• 2.2 基于像素的医学图像融合技术研究
• 2.2.1 加权平均法
• 2.2.2 基于分割的图像融合法
• 2.2.3 TOET 法
• 2.2.4 对比度调制法
• 2.2.5 小波变换
• 2.3 医学图像融合规则
• 2.3.1 基于像素的融合规则
• 2.3.2 基于区域的融合规则
• 2.4 医学图像融合质量评价方法
• 2.4.1 主观评价方法
• 2.4.2 客观评价方法
• 3 基于概率和引力优化的医学图像配准
• 3.1 引言
• 3.2 配准模型
• 3.2.1 互信息配准模型
• 3.2.2 变换模型
• 3.3 基于概率和引力模型的优化算法
• 3.4 实验结果和分析
• 3.4.1 配准精度和配准时间
• 3.4.2 抗噪性
• 3.4.3 三维图像配准
• 3.5 小结
• 4 基于Contourlet 变换的图像融合方法
• 4.1 引言
• 4.2 拉普拉斯金字塔变换（LP）
• 4.3 方向滤波器组（DFB）
• 4.4 离散Contourlet 变换
• 4.5 基于Contourlet 变换系数区域敏锐度分析的自适应的融合算法
• 4.5.1 融合策略与算法实现
• 4.5.2 实验结果分析
• 4.6 小结
• 5 基于图像融合的自适应配准方法
• 5.1 引言
• 5.2 基于图像融合评价系数的配准测度函数
• 5.2.1 传统的基于互信息的配准方法优缺点
• 5.2.2 改进的加权互信息
• 5.2.3 基于图像融合评价系数的配准测度函数
• 5.3 实验分析讨论
• 5.4 小结
• 6 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 在学研究成果
• 致谢