学位论文 > 优秀研究生学位论文题录展示

基于最大互信息法的医学图像配准技术研究

作　者: 钱慧
导　师: 胡志忠
学　校: 南京航空航天大学
专　业: 生物医学工程
关键词: 医学图像配准轮廓提取矩和主轴法 Shannon熵 Renyi熵遗传算法单纯形算法
分类号: TP391.41
类　型: 硕士论文
年　份: 2008年
下　载: 219次
引　用: 3次
阅　读: 论文下载

内容摘要

医学图像是在不同的时间和(或)不同的空间和(或)不同的成像技术下获得的。各种图像反映的是同一病人各种属性的信息,有关于解剖结构的信息,也有关于生理特征的信息,这些信息本来是统一的,而现在被分散到多种图像上去了。为了给医学诊断和治疗计划提供更加准确全面的图像依据,需要将多种图像进行配准,也就是说,使多种图像中的对应点达到空间位置和解剖位置的完全一致,形成一幅新的二维图像,其中的每一个像素点含有各方面属性的信息。本文首先将Canny边缘检测算子和数学形态学的方法相结合,提取头部实体的外轮廓,利用矩和主轴法对外轮廓图像进行粗配准。其次,研究了基于Shannon熵的归一化互信息和基于Renyi熵的归一化互信息的特点,根据某些参数下的Renyi熵可以消除局部极值,而Shannon熵对于局部极值具有很强吸引域的特点,提出了将基于Renyi熵的归一化互信息和基于Shannon熵的归一化互信息混合起来作为相似性测度的图像配准算法,该算法先用自适应遗传算法寻找基于Renyi熵的归一化互信息的极值,然后用此极值作为单纯形优化算法的初值,用单纯形优化算法寻找基于Shannon熵的归一化互信息的全局最优解。最后,本文对以下三种配准方法进行了比较研究:1)以基于Shannon熵的归一化互信息为相似性测度,以遗传算法为优化算法的配准算法;2)以基于Shannon熵的归一化互信息为相似性测度,先用矩和主轴法粗配准,再以遗传算法为优化算法精配准的配准算法;3)本文提出的以基于混合熵的归一化互信息为相似性测度,先用矩和主轴法粗配准,再以自适应遗传算法和单纯形算法为优化算法精配准的配准算法。实验结果说明,本文的算法比其它两种算法更精确,而且在时间指标上也有所提高。

全文目录

摘要  4-5
ABSTRACT  5-13
第一章绪论  13-17
  1.1 课题背景及研究意义  13-14
  1.2 医学图像配准技术的发展历史  14
  1.3 医学图像配准存在的问题  14-15
  1.4 本文内容安排  15-17
第二章医学图像配准综述  17-32
  2.1 医学图像配准的概念  17-18
  2.2 医学图像配准方法的分类  18-19
  2.3 主要配准方法  19-21
  2.4 医学图像配准涉及到的主要技术  21-24
    2.4.1 特征空间的提取  21
    2.4.2 几何变换  21-23
    2.4.3 相似性测度  23
    2.4.4 优化算法  23-24
  2.5 插值算法  24-30
    2.5.1 最近邻域法  25-26
    2.5.2 线性插值法  26-27
    2.5.3 PV 插值算法  27
    2.5.4 双三次插值算法  27-28
    2.5.5 几种插值算法的比较  28-30
  2.6 本章小结  30-32
第三章基于矩和主轴法的粗配准  32-49
  3.1 边缘检测  32-38
    3.1.1 边缘的概念  32
    3.1.2 经典边缘检测算子  32-38
  3.2 数学形态学  38-42
    3.2.1 集合论中的基本概念  38-39
    3.2.2 数学形态学基本运算  39-42
  3.3 矩和主轴法（MPAM）  42-44
  3.4 粗配准实验  44-48
  3.5 本章小结  48-49
第四章互信息配准模型  49-60
  4.1 互信息配准模型的基本概念  49-50
  4.2 互信息配准模型  50-59
    4.2.1 基于Shannon 熵的互信息  51-52
    4.2.2 基于Renyi 熵的互信息  52-53
    4.2.3 归一化互信息  53-54
    4.2.4 两种归一化互信息的比较  54-59
  4.3 本章小结  59-60
第五章优化算法  60-76
  5.1 遗传算法（GA）  60-69
    5.1.1 遗传算法的基本概念  60-62
    5.1.2 遗传算法的基本步骤  62
    5.1.3 基于二进制编码的遗传算法  62-64
    5.1.4 基于浮点数编码的遗传算法  64-65
    5.1.5 遗传算法的优缺点  65-66
    5.1.6 基于浮点数编码的自适应遗传算法（AGA）  66-69
  5.2 单纯形优化算法（SM）  69-74
    5.2.1 单纯形法  69-73
    5.2.2 初始值对单纯形算法的影响  73-74
  5.3 本章小结  74-76
第六章基于主轴法和混合互信息的图像配准  76-83
  6.1 算法步骤  76-77
  6.2 实验部分  77-82
  6.3 本章小结  82-83
第七章总结与展望  83-85
  7.1 总结  83-84
  7.2 展望  84-85
参考文献  85-89
致谢  89-90
在学期间的研究成果及发表的学术论文  90

基于最大互信息法的医学图像配准技术研究

内容摘要

全文目录

相似论文