（信号与信息处理专业论文）广义距离度量和多模态图像配准技术研究.pdf

摘要 图像配准是图像分析和处理的关键步骤，是图像对比、数据融合、变化分析和 目标识别的必要前提。在图像配准中常常需要把来源于不同成像设备的图像进行 配准处理，这些不同成像模式的图像称为多模态图像。医学图像处理方面，常常 需要把m r i t 1 ，m r i t 2 ，m r p d ，f - m r i ，c t ，s p e c t ，b 超图像以及p e t 图 像综合分析，这些图像能够同时提供功能的与解剖的信息，具有重要的临床应用 价值：遥感图像处理方面，常常需要把微波、红外、雷达图像、多光谱图像综合 分析，有利于对地球资源的分析判断，获得全面详细的综合信息，这些情况下一 般都需要进行多模态图像的配准处理。由于多模态图像配准的重要价值和广阔的 应用前景，正日益受到国际上越来越多科研机构的高度重视，是目前图像处理领 域中重点和热门的研究课题。 多模念图像配准在图像配准中是一件非常困难的任务，在不同成像模式下，即 便是相同场景下的同一目标，其灰度属性也常常存在非常大的差异。在某些情况 下，同一一目标在一种成像模式下，呈现出清晰的图像，而在另一种成像模式下， 则无法成像，因而在图像中可能不出现。在多模态图像配准中，不同模态的图像 常常含有互补的信息，同一身体结构或地理结构的图像尽管灰度属性常常不同， 但包含着很高程度的共同信息，这些特点决定了多模态图像配准具有理论上的可 能性，同时又有实现方面的困难性。 近年来，在信息理论的基础上，人们提出了一些多模态图像的配准测度，并且 取得了一定程度的成功，基于最大化互信息的方法在多模态图像配准中得到了普 遍的承认。但是互信息方法具有不可克服的缺点：计算量大、对噪声敏感和要求 待配准图像问联合概率分布函数必须是严格正性的。这些缺点限制了互信息配准 方法在实际中的应用。 本文对现阶段的图像配准方法进行了比较详细和全面的总结分类。针对多模态 图像处理领域目前存在的问题，本文进行了深入探讨和研究，做了大量的对比分 析实验，为实际应用中合理选择各种算法提供了有用的参考。在此基础上，发展 了新的配准准则和方法，拓宽了处理多模态图像配准问题的思路。 本文创新点主要体现在以下几个方面： 1 对两幅图像相互独立、不完全配准和完全配准三神情况下，联合狄度概率 分布的变化规律进行了数值调查和定性分析，在概念上直观地表现了概率型配准 方法的物理依据。 2 对目前多模态图像配准领域已发表的统计型方法进行了全面的分析比较， 指出了这些方法之间的关系，并通过实验分析了它们在性能上的差异和适用范围， 对其中的一些方法作了必要的改进。这些结果为合理选用配准算法提供了依据。 3 提出了广义距离度量的新思路及其定义，并在此基础上构造了多模态图像 配准的一类新测度。在多模态图像配准测度的设计方面，新的广义距离度量不同 于s h a n n o n 互信宦, ( k u l l b a c k l e i b l e r 距离) ，它拓宽了人们的选择空间。通过多模 态医学图像和遥感图像的实验分析，验证了新配准测度的有效性，证明了这些新 的基于广义距离的配准测度与基于s h a n n o n 熵的互信息测度有着不同的最适应范 围。如同k u l l b a c k l e i b l e r 距离一样，新的广义距离度量不仅可用于处理多模态图 像的配准问题，从理论方法上来说，它们可能应用于更广泛的研究和工程领域， 例如，信息理论、统计物理学、模式识别、语音识别、化学结构或生物特征相似 性的判断、经济统计分析、模糊集等众多领域。因此，广义距离度量的概念和方 法值得进一步研究和发展。 关键词：广义距离度量、多模态图像、配准测度、互信息。 r e s e a r c ho fg e n e r a l i z e dd i s t a n c em e a s u r e a n dm u l t i m o d a l i m a g er e g i s t r a t i o n s h iy o n g g a n g ( s i g n a la n di n f o r m a t i o np r o c e s s i n g ) d i r e c t e db yp r o f e s s o rz o u m o u y a n a b s t r a c t i m a g er e g i s t r a t i o ni st h ek e ys t e pi ni m a g ep r o c e s s i n ga n da n a l y z i n g i ti s r e q u i s i t e f o ri m a g e sc o m p a r i s o n ，d a t af u s i o n ，c h a n g e sa n a l y z i n ga n do b j e c t sr e c o g n i t i o n t h e i m a g e sw h i c hn e e dt or e g i s t e re a c ho t h e ra r ea l w a y sb e y o n do n e m o d a li m a g e s i n m a n yc a s e s ，i ti sr e q u i r e dt oa l i g ni m a g e st a k e nf r o md i f f e r e n ti m a g i n ga p p a r a t u s i n m e d i c a li m a g ep r o c e s s i n g ，t h e r ea r em a n yt y p e so fi m a g e s ，s u c ha s ，t 1 一w e i g h t e d m a g n e t i c r e s o n a n c e i m a g e ，t 2 一w e i g h t e dm a g n e t i ci m a g e ，p r o t o nd e n s i t yw e i g h t e d m a g n e t i ci m a g e ，f u n c t i o n a lm a g n e t i ci m a g e ，c o m p u t e r i z e dt o m o g r a p h y ，s i n g l ep h o t o n e m i s s i o nc o m p u t e dt o m o g r a p h y ，p o s i t r o ne m i s s i o nt o m o g r a p h y ，a n db u l t r a s o n i ce t c t h e i n t e g r a t i o n o ft h e s em e d i c a l i m a g e s c a n p r o v i d e f u n c t i o n a la n da n a t o m i c i n f o r m a t i o n i m a g er e g i s t r a t i o np l a y sak e y r o l ei ni m a g ec l i n i c a la p p l i c a t i o n i nr e m o t e s e n s i n g ，t h e r e a r e m a n yt y p e s o f i m a g e s ，s u c ha s ，m i c r o w a v e ，i n f r a r e d ，r a d a r ， m u l t i s p e c t r a l a n ds o o n r e g i s t e r i n g t h e s e i m a g e s c a l l g i v e m o r e c o m p r e h e n s i v e i n f o r m a t i o na b o u te a r t ha n de c o l o g i c a lg e o l o g i c a lr e s o u r c e o w i n gt ot h ei m p o r t a n c e a n dp e r s p e c t i v eo fw i d ea p p l i c a t i o n ，i m a g er e g i s t r a t i o ni s c a t c h i n gm o r ea n dm o r e c o n c e mf r o mt h ew o r l dr e s e a r c hi n s t i t u t e s ，a n db e c o m e sa ni m p o r t a n ta n da c t i v e r e s e a r c ha r e a m u l t i - m o d a li m a g e r e g i s t r a t i o ni sad i f f i c u l tt a s k f r o md i f f e r e n ti m a g i n ga p p a r a t u s t h ei m a g e so fs a m eo b j e c ti ns a l n es c e n es h o ws h a r pd i f f e r e n c ei ng r a yf e a t u r e s i n s o m ec a s e ，a l lo b j e c td i s p l a y sc l e a ri m a g ei no n em o d a l ，h o w e v e r , i tm a y b ed i s a p p e a r s i na n o t h e rm o d a l o nt h eo n eh a n d ，t h e r ea l w a y se x i s t sc o m p l e m e n t a r yi n f o r m a t i o n a m o n gm u l t i m o d a li m a g e s ，o nt h e o t h e rh a n d ，m u c hc o m m o ni n f o r m a t i o na m o n g i m a g e so f s a m e b o d ya n a t o m y o rs a m e g e o g r a p h i cp h y s i o g n o m y t h ec h a r a c t e r i s t i c so f m u l t i m o d a l i m a g er e g i s t r a t i o n r e s u l ti n f e a s i b i l i t y i n t h e o r y a n d d i f f i c u l t y i n i m p l e m e n t a t i o n i nr e c e n ty e a r s ，m a n ym u l t i m o d a li m a g er e g i s t r a t i o nm e a s u r e sa r ep r o p o s e do nt h e b a s i so fs h a n n o ni n f o r m a t i o nt h e o r y t h e s em e a s u r e sh a v eb e e na p p l i e d i ns o m e r e s e a r c ha r e a s b a s e di n f o r m a t i o nt h e o r ym e a s u r e s ，i np a r t i c u l a r ，t h em e a s u r e sb a s e do n m u t u a li n f o r m a t i o n ，h a v eb e e nw i d e l ya c c e p t e di nm u l t i - m o d a li m a g er e g i s t r a t i o n i i i a p p l i c a t i o nh o w e v e r ，t h e m e t h o d so f m u t u a li n f o r m a t i o nh a v e u n c o n q u e r a b l e d i s a d v a n t a g e s ，s u c h a s h e a v y c o s to fc o u n t ，s e n s i t i v i t yt on o i s ea n dc o n t i n u o u s r e q u i r e m e n t o f p r o b a b i l i t yd e n s i t yf u n c t i o n t h e s es h o r t c o m i n g so f m u t u a li n f o r m a t i o n m e a s u r e sr e s t r i c tt h e i rb r o a d e rp r a c t i c a b l e a p p l i c a t i o n i nt h e d i s s e r t a t i o n , ac o m p r e h e n s i v e c l a s s i f i c a t i o na n ds u m m a r i z a t i o ni s a c c o m p l i s h e d ，a n d a no v e r a l lo u t l o o ki s p r o p o s e d o n a c c o u n to ft h e e x i s t i n g p r o b l e m si nm u l t i m o d a li m a g er e g i s t r a t i o n ，f u r t h e rd i s c u s s i o na n di n v e s t i g a t i o nh a v e b e e nc a r r i e do u ti nt h i sd i s s e r t a t i o n o nt h eb a s i so fe n o u g ha n a l y s i s ，d e t a i l e d c o m p a r i s o n ，a n da d e q u a t ee x p e f i m e n l an o v e lc l a s so fp r a c t i c a b l em e a s u r e si s p r o p o s e d t h ei n n o v a t i o n si nt h i sd i s s e r t a t i o nc a nb el i s t e da sf o l l o w s ： 1 t h ec h a n g i n gr u l eo f j o i n tg r a y v a l u ed i s t r i b u t i o no ft w oi m a g e si sq u a l i t a t i v e l y a n a l y z e d ，a c c o r d i n gt ot h e i rr e l a t i v ed i s p l a c e m e n t ，s u c ha s ，i n d e p e n d e n c e ，i n c o m p l e t e r e g i s t r a t i o n ，a n da c c u r a t er e g i s t r a t i o nr e s p e c t i v e l y w h a ti sm o r e ，a nv i s u a lc o n c e p t u a l e x p l a i ni sg i v e n t h ea i ma n dr e q u i r e m e n to fc o n s t r u c t i n gr e g i s t r a t i o nm e a s u r ei s t o f i n da p r o p e r f u n c t i o nt h a tc a nm e a s u r et h ec l u s t e ro f j o i n tp r o b a b i l i t yd e n s i t yf u n c t i o n 2 t h ee x i s t i n gt y p i c a ls t a t i s t i c a lm u l t i m o d a li m a g er e g i s t r a t i o nm e a s u r e sh a v eb e e n c o m p r e h e n s i v e l ya n a l y z e da n dc o m p a r e di nt h ed i s s e r t a t i o n t h er e l a t i o na m o n g t h e s e m e t h o d sa r ea n a t o m i z e d ，a n dt h r o u g he x p e r i m e n t s ，t h e i rp e r f o r m a n c ed i f f e r e n c eh a s b e e ne x p e r i m e n t a li sr e v i e w e da n dr e m a r k e d s o m ei m p r o v e m e n th a sb e e nm a d ef o r s o m eo f t h e s em e a s u r e s 3 an o v e li d e ao fg e n e r a l i z e dd i s t a n c em e a s u r e si sp r o p o s e d ，a n dt h ec o r r e s p o n d i n g f o r m u l a r i z a t i o ni s d e f i n e d u s i n gt h en e wd e f i n i t i o n ，an o v e lc l a s so fm u l t i - m o d a l i m a g er e g i s t r a t i o nm e a s u r e si sc o n s t r u c t e da f t e r w a r d t h en o v e la n dm e t h o d sp r o v i d e s m o r es e l e c t i v ee x t e n s i o nt h a ni n f o r m a t i o nt h e o r y ，a n di sv a l i d a t e db ye x p e r i m e n t s t h e r e s u l t so ft e s t ss h o wt h en e wg e n e r a l i z e dd i s t a n c eb a s e dr e g i s t r a t i o nm e a s u r e sh a v e d i f f e r e n t f i t t i n gc a s e s ，c o m p a r e d w i t ht h o s eb a s e do ns h a n n o n e n t r o p y l i k e k u l l b a c k - l e i b l e rd i s t a n c e ，t h en e wg e n e r a l i z e dd i s t a n c em e a s u r e sm a yb eu s e dt on o t o n l ym u l t i m o d a li m a g er e g i s t r a t i o n ，b u to t h e re n g i n e e r i n g r e s e a r c ha r e a s ，s u c ha s ， i n f o r m a t i o n t h e o r y ，s t a t i s t i c a lp h y s i c s ，p a t t e r n a n dp h o n e t i c r e c o g n i t i o n ，e c o n o m i c s t a t i s t i c s ，f u z z ys e t ，e t c t h ec o n c e p ta n dm e t h o d so fg e n e r a l i z e dd i s t a n c em e a s u r e s d e s e r v ef u r t h e rr e s e a r c ha n dd e v e l o p m e n t k e y w o r d s ：g e n e r a l i z e dd i s t a n c em e a s u r e ，m u l t i m o d a li m a g e ，r e g i s t r a t i o nm e a s u r e ， m u t u a li n f o r m a t i o n v 研究成果声明 本人郑重声明：所提交的学位论文是我本人在指导教师的指导下进 行的研究工作获得的研究成果。尽我所知，文中除特别标注和致谢的地 方外，学位论文中不包含其他人已经发表或撰写过的研究成果，也不包 含为获得中国科学院电子学研究所或其它教育机构的学位或证书所使用 过的材料。与我一同工作的合作者对此研究工作所做的任何贡献均已在 学位论文中作了明确的说明并表示了谢意。 特此申明。 签名：时再乙酬日期：邪l 2 弓 关于学位论文使用权的说明 本人完全了解中国科学院电子学研究所有关保留、使用学位论文的 规定，其中包括：电子所有权保管、并向有关部门送交学位论文的原 件与复印件；电子所可以采用影印、缩印或其它复制手段复制并保存 学位论文；电子所可允许学位论文被查阅或借阅；电子所可以学术 交流为目的，复制赠送和交换学位论文；电子所可以公布学位论文的全 部或部分内容( 保密学位论文在解密后遵守此规定) 。 e t 期：w 移哆2 - 弓 日期：枷 | l 弓。5 - 第一章岢论 第一章导论 图像配准是图像处理和分析的关键步骤，是图像对比、数据融合、变化分析 和目标识别的必要前提。本章给出了图像配准的定义及其应用领域，指出了本文 的创新点和主要贞献，并给出了本论文的研究内容以及后续各章的内容安排。 1 1 什么是图像配准 图像配准是对不同时问、不同视场、不同成像模式的两幅或多幅图像进行空 间几何变换，使得各个图像在几何上能够匹配对应起来。图像配准的主要目的是 去除或者抑制待配准图像和参考图像之间几何上的不一致，包括平移、旋转和形 变。它是图像分析和处理的关键步骤，是图像对比、数据融合、变化分析和目标 识别的必要前提。配准技术主要应用在遥感图像处理、医学图像处理、制图学、 计算机视觉、目标识别和军事目的等。 对于在不同时间、不同视场、不同成像模式等不同条件下获取的两幅图像进 行配准处理，就是要定义一个配准测度函数，并寻找一个空间变换关系，使得经 过该空间变换后，两幅图像问的相似性达到最大( 或者差异性达到最小) ，即两 幅图像得到空间几何上的一致。我们用，l ( ) 和，( _ ) 表示待配准的两幅图像，( ) 表 示图像可能为2 d ( d i m e n s i o n ) 或3 d ，当配准的是2 d 图像时，( ) = ，( z ，y ) ， 1 2 ( ) = 1 2 ( x ，y ) ：当配准的是3 d 图像时 不失一般性，不妨令，( ) 为参考图像， 首先需要选择合适的配准测度 ，】( ) = i l ( z ，y ，z ) ；1 2 ( ) = ，2 ( x ，y ，z ) 。 ，：( ) 为待配准图像，也常称浮动图像。 c ( 丁) = c ( 。( ) ，：( ( - ) ) )( 1 1 ) 式中，c 是配准测度，也常常称为价格函数( c o s t f u n c t i o n ) 或目标函数( o b j e c t f u n c t i o n ) ，t 为待配准图像与参考图像之间的空间变换。图像配准的过程可归结 为寻求以下最佳空间变换 o = a r gm a xc ( t ) ( 1 2 a ) 口 = a r gm i nc ( r ) ( 1 2 b ) 0 当配准测度是相似性测度函数时，配准过程如( 1 2 a ) 所示，m a x 表示求配准测 度的全局最大值；当配准测度是差异性测度函数时，配准过程如( 1 2 b ) 所示。 m i n 表示求全局最小值。o 表示变换模型的参数，参数可能的取值范围称为搜索 空问，参数的个数称为变换模型的自由度。参数的个数与变换模型的特性有关， 博士论文：广义距离度量和多模态图像配准技术研究 不同的变换模型，其自由度常常是不同的。对于3 d n j j 体变换，0 = ( ，f ，曰。， 臼，口：) ，f 。，t y ，t z 是待配准的两幅图像相对于x ，y ，z 坐标轴三个方向的偏移量，酞，巩， 是绕x ，只z 坐标轴的相对旋转角度，参数的取值范围根据特定的应用和实际情况 进行选取，o = ( + ，：，见，口，+ ，眭) 是目标函数达到全局最优值时参数的估计 值。对于2 d 阳l j 体变换，o = ( f 。，t y ，分) ，其自由度比3 d 刚体变换少，只有三个自由 度。 由于空间变换包含多个参数，图像配准是一个多参数最优化问题。常用的空 间变换形式主要有刚体变换( r i g i db o d yt r a n s f o r m a t i o n ) 、仿射变换( a f f i n e t r a n s f o r m a t i o n ) 、透视变换( p r o j e c t i v et r a n s f o r m a t i o n ) 和曲线变换( c u r v e t r a n s f o r m a t i o n ) 等几种。对于相似性测度函数，是通过搜索函数的全局最大值 来得到图像间空问几何变换的参数，常见的相似性测度函数有相关系数、互相关 函数、互信息函数等；对于差异性测度函数，是通过搜索函数的全局最小值来得 到图像f 1 ；l j 空间几何变换的参数，常见的差异性测度函数有距离函数、总绝对差函 数、总平方差函数等。 图像配准可以用下面的示意图来表示 幽1 i 图像配准示意图 图1 1 示意的是同一个人从不同角度、不同位置拍摄的两张照片，由于拍摄条件 不同，每张照片只反映了某些方面的特征。如果将这两张照片一起分析，就要将 其中一张中的人像做移动和旋转，使它与另一幅对齐。保持不动的图像叫做参考 图像，做变换的图像称为待配准图像或浮动图像。 1 2 图像配准的应用 根据图像配准的目的任务以及图像的采集方式，其应用领域可以概括为以下 几个方面： 多视角分析 对不同视角、相同场景得到的图像分析，其目的是为了获得更大的2 d 视场或 3 d 信息。 第一章导论 应用例子1 ：计算机视觉中，从视角差异中构建二维深度和形状信息。 应用例了2 ：遥感图像领域，深度和高度信息的获耿，g i sf g l o b ei n f o r m a t i o n s y s t e m ) q ，数字高程图的绘制，多幅图像或多景图像的拼接。 多时相分析 对从相同场景、不同时间得到的图像进行配准处理，其目的足为了获得场景 的变化信息或进行目标跟踪等。 应用例子1 应用例子2 ： 医学图像处理方面，数字减影血管造影d s a ( d i g i t a ls u b t r a c t a n g i o g r a p h y ) ，注射造影剂前后的图像配准。监视身体的生长发 育、监视某种疾病的康复治疗效果，监视肿瘤的生长变化、考 察药物疗效等； 计算机视觉方面，安全监视系统中的自动变化检测、目标移动 跟踪、产品质量控制等； 应用例子3 ：遥感图像方面，场景监视、资源利用、地表变化、灾害监测、 农作物长势、城市建设等。 多模态分析 对从不同种类成像传感器得到的同一场景或物体的多幅图像进行分析，这些 4 i 同成像模式得到的图像，称为多模态图像。配准的目的是为了把多源图像信息 综合起来，获得更全面更详细的场景表达。 目的：获得更全面的综合信息，进行信息融合处理等。 应用例子1 ：( i ) 医学图像领域，多模态图像c t ( c o m p u t e r i z e dt o m o g r a p h y ) ， m r i ( m a g n e t i cn u c l e a rr e s o n a n c ei m a g i n g ) ，p e t ( p o s i t r o ne m i s s i o n t o m o g r a p h y ) ，s p e c t ( s i n g l e p h o t o ne m i s s i o n c o m p u t e d t o m o g r a p h y ) ，u s ( u l t r a s o n i c ) 等结构信息和功能信息的融合和 综合诊断等； ( i i ) 低分辨率图像与高分辨率图像( 如c t 图) 进行配准，以改进 在诊断和治疗时定位的精度。 应用例子2 ：遥感图像领域，不同特性成像传感器的信息融合，有利于获得 更加全面的目标信息，如：红外、微波图像、雷达图像、可见 光波段的图像的分析综合等；场景分类，如建筑物、道路、车 辆、农作物和其它植被的分类等。 图像到模板 博士论文：广义距离度量和多模态图像配准技术计艽 对当前图像与模板图像或标准图库进行分析比较，其目的是为了将图像和标 准模型进行比较、定位等。 应用例子1 ：医学方面，将病人的图像与标准的数字解剖图库( 如虚拟人数 据库) 进行对比，对样本图像分类等： 应用例子2 ：计算机视觉方面，实时图像和目标模板的匹配，自动质量检查： 应用例子3 ：遥感方面，将航空或者卫星数据与地图或g i s 配准，进行目标定 位或目标识别。 1 3 本文的创新点及贡献 由于多种模式的图像能够提供更加丰富全面的信息，因此在图像配准中，处 理的图像常常是多模态的。医学图像处理方面，常常需要把m r i - t t ，m r i t 2 ， m r p d ，f - m r i ，c t ，s p e c t ，璇g 图像以及p e t 图像综合分析，这些图像能够同时 提供功能的与解剖的信息，具有重要的临床应用价值；遥感图像处理方面，常常 需要把微波、红外、雷达图像、多光谱图像综合分析，有利于对地球资源的分析 判断，获得全面详细的综合信息，这些情况下一般都需要进行多模态图像的配准 处理。由于多模态图像配准的重要价值和广阔的应用前景，正日益受到国际上越 来越多科研机构的高度重视，是目前图像处理领域中重点和热门的研究课题。 多模念图像配准在图像配准中是一件非常困难的任务，在不同成像模式下， 即便是相同场景下的同一目标，其灰度属性也常常存在非常大的差异。在某些情 况下，同一目标在一种成像模式下，呈现出清晰的图像，而在另一种成像模式下， 则无法成像，因而在图像中可能不出现。在多模态图像配准中，不同模态的图像 常常合有互补的信息，同一身体结构或地理结构的图像尽管扶度属性常常不同， 但包含着很高程度的共同信息，这些特点决定了多模态图像配准具有理论上的可 能性，同时又有实现方面的困难性。 在本文中，对现阶段的图像配准方法进行了比较详细和全面的总结分类，给 出了关于配准领域总的发展梗概。对两幅图像相互独立、不完全配准和准确配准 时的联合灰度概率分布的变化规律进行了数值调查和定性分析，并在概念上给出 r 直观的解释。对目前多模态图像配准领域已发表的统计型方法进行了全面的分 析比较，对其中的一些方法作了必要的改进。提出了构造广义距离度量的新思路 及其定义，并在此基础上构造了多模态图像配准的一类新测度。 广义距离度量及其配准测度是本文的主要创新点所在。具体的讲，这些创新 点主要体现在以下方面 1 提出了构造广义距离的新思想及其定义； 4 第一章导论 2 根据厂义距离的定义，提出了算术几何均值距离，并凼此构造r 多模态 图像配准的新测度一算术几何均值距离测度 t ； 3 根据广义距离的定义，提出了c a u c h y s c h w a r z 距离，并根据这一距离， 构造了多模态图像配准的新测度c a u c h y s c h w a r z 距离测度； 4 根据广义距离的定义，提出了m i n k o w s k i 广义距离，并由此构造了多模念 图像配准的新测度- - m i n k o w s k i 广义距离测度； 5 提出了改进的划分狄度一致性p i uf p a r t i t i o n e di n t e n s i t yu n i f o r m i t y ) 的配准 测度f 2 1 ； 在提出新的广义距离度量及其多模态图像配准测度的同时，在本文中还作了 以下一些具体而具有实际意义的工作 1 对几十年来各种各样的处于分散状念的图像配准技术进行了比较全面的 概括、总结和分类； 2 对两幅图像相互独立、不完全配准和完全配准三种情况下，联合灰度概 率分布的变化规律进行了数值调查和定性分析，在概念上直观地表现了 概率型配准方法的物理依据。 3 对目前多模态图像配准领域已发表的统计型方法进行了全面的分析比 较，指出了这些方法之问的关系，并通过实验分析了它们在性能上的差 异和适用范围，对其中的一些方法作了必要的改进。这些结果为合理选 用配准算法提供了依据。 1 4 本文各章研究内容的安排 本论文后续各章的内容安排如下 第二章按照图像配准的基本步骤对现有的图像配准技术进行了总结和分 类。为了保持各种方法分类的连续性和给出图像配准研究的总体看法，对那些 1 9 9 2 年前发表，现在已经成为经典的方法，或者对原来的方法又加入新的关键思 想并且现仍在使用的方法，也一并包括在内。由于侧重于从总体上对配准方法进 行考察，因此不专注于各种方法实现的具体细节，也不对各种方法的实验结果进 行详细的分析比较。本章所做的工作是对主要的配准方法进行概括分类，同时指 出方法的特点、主要贡献和其适用范围。 第三章根据图像的边缘概率分布函数，分析了多模态医学图像和遥感图像 灰度属性的差异。并以两幅图像相互独立、不完全配准和准确配准等几种情况为 例，对联合灰度概率分布的变化规律进行了数值调查和定性分析，在概念上直观 地表现了概率型配准方法的物理依据。 博士论文：广义距离度量和多梗态幽像配准技术乜什冗 第四章较为详细地介绍了到目前为止具有代表性的统计型多模态图像配准 方法，主要包括划分灰度一致性( p 1 u ：p a r t i t i o n e di n t e n s i t yu n i f o r m i t y ) 【3 ，4 一类的 测度，基于s h a n n o n 信息论的条件熵、联合熵、互信息【5 ，6 和归一化互信息测度 ( 7 一1 0 】，基于r f n y i 熵【1 1 1 3 】和t s a l l i s 熵 1 4 】的归一化互信息测度。另外，对p i u 测 度函数做了改进。并通过实验验证了改进后的测度函数在性能上得到了一定程度 的提高。在本章，通过大量的实验，从测度函数的计算耗用时间、噪声特性、对 图像问的旋转是否敏感、对图像重叠区域大小是否敏感等几个方面，全面分析和 比较了这些多模态图像配准测度函数的性能和特点。这些结果为合理选用配准算 法提供了依据。 第五章从对s h a n n o n 互信息和k u l l b a c k l e i b l e r 距离 1 5 关系的分析出发， 提出了构造广义距离度量的新思路及其定义，并在此基础上构造了多模念图像配 准的一类新测度。在多模态图像配准测度的设计方面，新的广义距离度量不同于 s h a n n o n 互信息( k u l l b a e k l e i b l e r 距离) ，它拓宽了人们的选择空间。通过多模态 医学图像和遥感图像的实验分析，验证了新配准测度的有效性，证明了这些新的 基于广义距离的配准测度与基于s h a n n o n 熵的互信息测度有着不同的最适应范 围。如同k u l l b a c k l e i b l e r 距离一样，新的广义距离度量不仅可用于处理多模态 图像配准问题，从理论方法上来说，它们可能应用于更广泛的研究和工程领域， 例如，信息理论、统计物理学、模式识别、语音识别、化学结构或生物特征相似 性的判断、经济统计分析、模糊集等众多领域。因此，广义距离度量的概念和方 法值得进一步研究和发展。 第6 章是对全文工作所做的总结，并指出来下一步工作的具体研究方向。 第一章导论 参考文献 1 1 时永刚，邹谋炎，基丁。算术儿何均值距离的多模态幽像配准，光学技术，已录川，拟 在2 0 0 4 年4 期刊出。 【2 】时永刚，刘小军，王东峰，邹谍炎，多模态图像配准的配准测度柑眭能分析，电子与 信息学报，已录用。 3 】w o o d srrc h e r r ysr ，m a z z i o t _ c ajc r a p i da u t o m a t e dd g o l 。i t h m f o r 日，i g n i n ga n dr e s l i c i n g p e t i m a g e s ，j o u r n a lo f c o m p u t e r a s s i s t e dt o m o g r a p h y , 1 9 9 2 ，1 6 ( 4 ) ，8 9 4 9 0 2 4 】w o o d srp 1m a z z i o t t ajc ，c h e r r ysrm r i - p e tr e g i s t r a t i o nw i t ha u t o m a t e da l g o r i t h m ， j o u t0 a lo f c o m p u t e r a s s i s t e dt o m o g r a p h y ，19 9 3 ，】7 ( 4 ) ，5 3 6 - 5 4 6 f 5 1 v i o l ap w e l l s w ，a l i g n m e n tb ym a x i m i z a t i o no f m u t u a li j ! f o r m a t i o n ，p i o c 5 t hi n tc o n f c o m p u t e rv i s i o n ，b o s t o n ，m a ，j u n e 19 9 5 ，16 2 3 【6 】c o l l i g n o na ，m a e sf v a n d e r m e u l e nd ，e ta l ，a u t o m a t e dm u l t i m o d a l i t yi m a g e ，e g i s t r a t i o n u s i n gi n f o r m a t i o nt h e o r y ，p r o c o f t h ei n f o r m a t i o np r o c e s s i n gi nm e d i c a li m a g i n gc o n f e r e n c e ， d o r d r e c h t ，j u n e19 9 5 ，2 6 3 2 7 4 【7 1 wm w e l l si i i ，p v i o l a , h a t s u m is n a k a j i m a ，a n drk i k i n i s ，m u l t i m o d a lv o l u m e r e g i s t r a t i o n 砂m a x i m i z a t i o no f m u t u a li n f o r m a t i o n ，m e d i c a li m a g ea n a l y s i s ，v 0 1 1 ，n o 】，p p 3 5 5 1 m a r c h1 9 9 6 ( 8 j m a e s f c o l l i g n o na ，v a n d e r m e u l e nd ，e ta 1 ，m u l t i m o d a l i t yi m a g er e g i s t r a t i o nb y m a x i m i z a t i o n o f m u t u a l i n f o r m a t i o n ，i e e e t r a n so n m e d i c a l i m a g i n g ，1 9 9 7 ，1 6 ( 2 ) ，18 7 一1 9 8 9 】s t u d h o l m ec ，h i l ld lgh a w k a sd j ，a no v e r l a pi n v a r i a n te n t r o p ) - m e a 6 u r eo f 3 d m e d i c a l i m a g ea l i g