论文部分内容阅读
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。