基于互信息和蚁群算法的多分辨率二维-三维医学图像配准研究（可编辑）

分类号硕士学位论文基于互信息和蚁群算法的多分辨率二维三维医学图像配准的研究林蔚论文答辩日期墨生墨旦呈旦学位授予日期至墨生鱼旦呈旦广西大学学位论文原创性和使用授权声明眦四砌四删舢啦咖眦蛳本人声明所呈交的论文,是本人在导师的指导下独立进行研究所取得的研究成果。除已特别加以标注和致谢的地方外,论文不包含任何其他个人或集体己经发表或撰写的研究成果,也不包含本人或他人为获得广西大学或其它单位的学位而使用过的材料。与我一同工作的同事对本论文的研究工作所做的贡献均已在论文中作了明确说明。本人在导师指导下所完成的学位论文及相关的职务作品,知识产权归属广西大学。本人授权广西大学拥有学位论文的部分使用权,即学校有权保存并向国家有关部门或机构送交学位论文的复印件和电子版,允许论文被查阅和借阅,可以将学位论文的全部或部分内容编入有关数据库进行检索和传播,可以采用影印、缩印或其它复制手段保存、汇编学位论文。本学位论文属于口保密,在年解密后适用授权。劝不保密。请在以上相应方框内打“”论文作者签名日期眵箩耕蔚日期沙,指导教师签名/产绕作者弓歹弓口参电子邮箱砷固铭伽基于互信息和蚁群算法的多分辨率二维三维医学图像配准的研究摘要二维三维图像配准方法作为医学图像配准领域研究的一个分支,是当前研究的热点之一。其最典型的应用实例是介入外科手术导航中。由于二维医学图像缺乏三维空间信息无法为临床医学诊疗提供足够的信息,因此在手术导航中,需要将手术前获取的三维数据与术中实时采集的二维图像通过图像配准技术结合起来,以补偿部分空间信息,辅助诊疗。在对人身安全要求日益增高的今天,配准精度与效率的提高就意味着安全性的提高,因此,需要寻找出一种速度快、精度高、匹配适应性好的图像配准算法。本文通过对人体骨骼线透射图像与同一部位三维的数据实例进行配准,首先研究了基于最大互信息的医学图像配准方法,并分别运用算法和蚁群算法作为优化搜索策略以获得变换参数。算法是一种经典的局部优化算法,但由于算法本身原理的局限性,在配准图像的目标函数性质不好,如人体骨骼图像配准中,局部极值较多时有一定概率得不到局部最优值,影响配准的精度和效果。文章在全局智能优化的蚁群算法的基础上,设计了一种将互信息和蚁群算法相结合的二维三维图像配准方法。该方法对配准过程中的搜索策略进行了改进,求解基于互信息的配准过程中的参数。通过对比实验表明,改进方案可以较好地实现医学图像配准,不仅改善了传统局部优化算法中配准参数求解并不是全局最优的问题,且可实现更加精确地配准。另一方面,针对智能算法计算量较大和时间开销多的不足,介绍了一种多分辨率由粗到细的处理方法。该优化方法采用小波变换对配准图像进行二层分解,令配准过程中改进蚁群算法的参数随多分辨率级数自动调整。实验结果表明该方法可以有效减少配准时间,加快配准速度。本文在医学图像二维三维配准方法的研究上做了一些有益的探索,并得到了比较好的实验结果。该实验结果对更加高效的应用计算机技术辅助医学具有一定的实用价值。关键词二维三维医学图像配准互信息测度蚁群算法多分辨率月队,一,目录摘要工第一章绪论课题研究的背景与意义国内外研究现状论文研究内容和章节安排第二章图像配准基本原理图像配准基本定义图像配准的基本框架特征空间搜索空间相似性测度搜索策略图像重采样方式医学图像配准的分类医学图像配准的评估方法本章小结第三章基于互信息和蚁群算法的二维一三维医学图像配准常用医学图像成像原理和特点互信息理论互信息定义图像互信息表示直方图数字图像互信息计算基于互信息的二维一三维医学图像配准算法的实现。数字重建图像二维一三维图像配准流程配准实验中采用的主要最优化搜索算法仿真实验及结果本章小结第四章基于改进蚁群算法的多分辨率二维一三维医学图像配准多分辨率优化策略小波变换图像金字塔基于小波变换的多分辨率优化方法改进图像配准实验步骤仿真实验及结果本章小结第五章总结与展望参考文献致谢硕士期间发表论文情况基于互信息和蚁群算法的多分辨率二维一三维医掌图象配准的研究第一章绪论课题研究的背景与意义人类进入世纪以来,随着计算机的发明,信息技术飞速发展并迅速渗透到人类生产生活的各个领域。当今,现代医学的临床诊疗中对于医学成像技术在的应用越来越广泛,不同的成像技术所获得的多模医学图像在疾病的诊断、手术规划和评估等实际应用中发挥了重要的作用。随着物理科学的不断发展,研究者巧妙的将许多创新性的物理技术应用于医学成像领域,根据想要获取的信息类型设计并构建了多种不同的医学图像成像系统。通过这些不同的成像系统可以获得不同模态的医学图像,它们都各具特点并能从各个侧面提供重要的医学信息。如常见的线、计算机正断层扫描、,核磁共振、单电子发射计算机断层扫描以及光子发射计算机断层扫描等。这些不同的医学成像技术在全局上可分为两种一种空间分辨率较高,可以提供组织器官的解剖结构信息,如和另一种空间分辨率较低,可以提供组织器官的新陈代谢功能信息,如和】【引。在实际的临床应用中,针对不同疾病的诊断和治疗需要用到不同类型的医学图像,但在一些成因复杂的疾病的诊疗上,单一模态的医学图像中包含的信息往往不足以提供全面准确的判断依据。比如,图像的分辨率较高,但对人体器官的功能信息反映不全面,而图像的虽然分辨率较差,但它可以提供器官的生理功能和代谢信息【】【】。因此在实践中,医生通常需要通过将不同模态的医学图像信息结合在一起分析,以提高医学诊疗水平。图像配准技术由此引入到医学领域。医学影像配准技术起源于世纪年代,其原理是将不同的两组或多组不同模态图像进行点对点的匹配,使显示在不同类型的医学图像中的同一形态的物体能够准确的对应起来,这样就能从多个角度更好的获得个体各个方面的信息以便将这些信息高效准确的整合起来,提高医学图像在临床诊断和治疗中的辅助作用儿引。经过不断的研究和实践,医学图像配准领域的研究近年来取得了显著进展,相继涌现出多种图像配准算法,从单一模态到多模态,从二维领域到三维领域,应用研究还在不断深入【。各种各样的医学图像的在各方面疾病的整个临床诊疗过程中发挥越来越突出的作用,对于多模态医学图像高效准确的利用也越来越受到重视【】。在各种模广西大掌硕士掌位论文基于互患和蚁群算法的多分辨率二维一三维医掌图象配准的研究态的医学图像中,又以二维的线透射图和三维的最为常用,因此本文主要以线图像与三维数据间的配准为主要的研究对象,在平台上搭建二维三维医学。图像配准测试模型【】【国内外研究现状教授在二十世纪九十年代初期开始对图像配准技术进行系统的研究并在年总结了所做的工作。总结中系统的归纳了图像配准的组成要素和基本理论并根据图像配准技术在不同应用领域中所起到作用的不同,将已有的图像配准方法进行归纳和分类,总结出了较为全面的图像配准综述【】。从年配准技术系统的提出到年,经过十年的研究和发展,和在教授阐述的图像配准综述的基础上整理了之前所研究的配准方法、优劣性及应用领域。他们对图像配准技术从最初的问题来源直至实用领域等特性重新进行了系统研究,对图像配准的部分概念和主要步骤进行了修正和规范,也富有建设性的对图像配准未来研究方向进行了预测。目前,图像配准技术应用于人类生产生活中的诸多领域计算机视觉与模式识别,物体辨识、立体重建和特征识别等医学图像处理,比如病源判别、病变定位,多模医学图像分类等农业、林业、海洋业、畜牧业等方面的遥感数据分析应用于资源开采和污染治理等各个方面。二维三维间的医学图像配准作为医学图像配准的一个分支,是近年来的研究热点之一。二维三维医学图像配准最典型的应用实例,是介入外科手术导航与定位中。年月,为了运用计算机科学辅助医学诊疗,最大程度的提高外科手术的效率与质量以降低患者的手术风险及治疗费用,欧洲科学家们启动了计划。这项计划的第一个实验是就是将图像配准技术应用于神经脑外科图像的手术导航中,在这方面他们做了大量的研究工作】。将图像配准技术结合计算机技术应用于设计智能医疗器械,用于外科手术的数字化智能导航和定位是医学图像配准技术的实际应用中最典型也是最成功的例子之一。在图像配准技术是运用计算机技术辅助外科手术的数字化定位和导航中最重要的环节之一。通过对手术前事先采集到的数据与手术中实时获取的二维图像间的有效配准才能够给临床诊疗提供有效的信息。手术中实时获取三维图像在当前水平下是不现实的,一般只能得到二维的线图像。虽然这样的图像缺乏三维空间信息,但它获取速度快因此能减少医生厂。西大学硕士学位沦文基于互信息和蚁群算法的多分辨率二维一三维医掌图象配准的研究和患者暴露在射线中的时间。引入图像配准技术的目的就是通过二维与三维图像的配准补偿部分空间信息。年德国研究者提出了一种自动估计相对于治疗前数据的病人位移的方法,这种方法基于治疗中射线图像和治疗前体数据集进行/配准,达到了小于的重复摆位精确度【】。年北京航空航天大学张薇等人提出一种以三维重建为入手点的配准方法。在实验中,首先在手术前事先采集数据,然后以获得的数据为基础进行三维重建。重建完成后将让外科医生在三维模型上根据需要规划好手术的各方面技术路线及细节之后在手术过程中,按照事先规划好的方案,实时的采集线图像并将采集到的二维图像输入计算机与三位数据进行配准配准完成后在二维平面上规划手术路径,结合双平面定位算法,得到手术各个关键点的准确空间位置。通过多次实验,该方法取得了良好二维三维配准效果【。年,英国研究者提出了一种计算效率相当高的基于线图像和体数据集的自动/配准方法,应用于放疗中的治疗前验证阶段,该方法首先采用基于骨结构的门限提取算法从计划用数据中构建出一个三维网格模型,然后在计划用病人体位坐标系中投射生成两幅正交的二维影像一幅前后视图,一幅右侧视图,再提取出两幅图像的二维轮廓,基于这两幅二维轮廓对线图像进行局部轮廓提取生成线条,对计划用数据通过局部数字图像重建生成条,然后再用水平集和互信息的混合代价函数和最小化抛物线优化过程来最优化病人的体位变化参数。该方法允许的病人最大平移上升到,计算的平移平均误差为,旋转平均误差为士,在奔处理器的上计算时间为分钟,运行环境是环境【】。年瑞士大学的等人利用术前模型数据,结合线图像配准技术用于计算骨盆方位,获得较好效果【。同年等人研究还表明,基于有限数量的二维线图像来构建三维骨骼的表面模型,使用的三维模型具有一定的形变能力,因此主要的技术在于二维图像与三维模型的特征点匹配上【】。年上海交通大学王成焘等人针对传统配准算法在初始值不理想的情况下不能保证全局收敛,出现局部最小值问题,从而影响配准的精度,提出一种改进的配准算法把四元数法与算法结合起来,将配准过程分成初配准和精配准【。首先用四元数法进行初配准,然后将初配准结果作为算法的初始值,再运用算法进行基于互信息和蚁群算法的多分辨率二维一三维医学图象配准的研究精配准。结果表明,改进的配准算法不但精度较高,而且能够避免产生局部最小值问题,所以能够进一步提高手术导航系统的鲁棒性和可靠性。经过二十多年的发展和改进,图像配准技术已逐渐发展成为数字图像处理领域的一个重要分支。在各种相关函数的配准算法的提出,由局部优化算法到智能优化算法的选择与改进,不同配准类型相似性测度的效果研究,配准系统准确性、可靠性和鲁棒性的评估等各个方面的研究都取得了一定的成果。论文研究内容和章节安排本论文首先对多模态医学图像配准技术进行分析,以常见的骨科医学图像为主要研究对象,针对优化搜索在目标函数不理想时容易陷入局部极值,从而无法的到全局最优解的问题进行深入研究。从优化搜索策略入手,提出相应的优化方案并通过实例仿真实验进行验证。论文的创新之处有以下两点本文系统分析了基于互信息测度的配准算法的流程,针对目标函数不光滑的非理想情况下,产生的优化进程陷入局部极值问题,在优化搜索上提出了一种改进蚁群算法作为优化搜索策略,提高配准精确度针对智能算法计算量大的缺点,采取多分辨率由粗到细的处理方法,通过两层小波分解,将配准图像分解并重构为高频和低频图像再进行下一步处理。以低频分量优化搜索获得的参数作为下一级搜索的初始参数,采用改进蚁群算法作为搜索策略,以减少互信息计算过程中的数据量从而加快配准速度。本文以医学图像配准方法作为研究对象,对二维三维骨科医学图像的配准方法进行研究,论文的章节内容及安排如下第一章绪论部分主要介绍了课题研究的背景、目的及意义,简述了配准技术发展历史及应用情况,分析医学图像配准存在的问题以及本文主要研究工作和创新之处第二章主要介绍与论文研究工作相关的背景知识和主要技术,着重讨论配准基本原理和框架,配准流程中各个步骤的实现方法,对现有配准算法的原理、特点进行分析和深入对比研究第三章简要介绍医学图像的分类和成像原理,重点讨论研究基于互信息的二维三维图像配准算法,分析了实现配准的关键技术和方案,再结合算法和蚁群算法进行仿真实验厂西大掌硕士掌位论文基于互信息和蚁群算法的多分辨率二维一三维医学图象配准的研究一一第四章提出了一种基于小波变换技术的多分辨率优化方案。承接第三章的基于互信息的二维一三维医学图像配准系统进行优化改进,通过对图像进行小波分解并在各个分辨率级别逐一配准,最后通过实例仿真实验验证第五章工作总结及展望。基于互信息和蚁群算法的多分辨率二维一三维医掌图象配准的研究第二章图像配准基本原理本章主要论述论文主要研究的图像配准技术的基础理论和基本方法。本章总共有六节,第一节阐述图像配准的基本概念第二节介绍图像配准系统的基本组成框架以及实现流程第三节简述图像配准的采样方式第四第五两节归纳目前医学图像配准的分类及评估标准最后是本章小结。图像配准基本定义图像配准技术,即通过寻找一种空间变换,令在不同时间或不同条件下获取的两幅数字图像和其中的每一幅图上的点都能在另一幅图像上找到唯一与之对应的点【。其原理图如图所示。浮动图像参考图像浮动图像平面坐标参考图像平面坐标图图像配准定义图像配准数学表达式如公式所示,丁其中,表示相似性测度,丁表示变换空间,通常空间变换的形式可分为刚体变换、仿射变换、投影变换和曲线变换四种,因此如何去寻找一个最佳的空间变换就是图像配准的实质问题,如下式广西大掌硕士学位论文基于互信息和蚁群算法的多分辨率二维一三维医掌图象配准的研究丁一个图像的空间变换必须考虑位移、旋转等因素,因此其描述通常需要用到多个参数,图像配准过程就是是一个多参数最优化的问题,其中关键步骤为迭代计算,即丁其中丁可以通过采用的最优化算法得到。图像配准的基本框架特征空间、搜索空间、相似性测度以及搜索策略四个主要部分是一个图像配准系统的基本框架。其中特征空间是特征信息的集合,它可以在待配准图像中提取搜索空间是由优化计算可行解组成的空间,包括配准图像进行变换的方式和范围相似性测度是每一次配准效果的度量标准而搜索策略决定优化搜索每一步的具体方向,其目的是获得最优的变换参数。这四个部分通过采用不同算法或不同衡量标准的组合,实现不同形式和不同规格的图像配准【】【。特征空间特征空间是指从参考图像和浮动图像中提取的可用于配准的特征。诸如灰度、特征点、线、面、边缘轮廓和纹理等都是一幅数字图像中的基本特征。对于一个配准系统来说,选择怎样的特征空间就会有怎样性质和特点因为特征空间的大小、范围、特点和性能等因素的差异都会对整个系统的图像适用性、搜索敏感度、系统稳定性以及运行效率等各个指标造成直接的影响。理想的特征空间应该具备以下几个条件特征明显且数据量适中对各类图像具有广泛适用性提取方面快捷抗干扰性能好根据特征空间,可以归纳为两类基于灰度的图像配准算法和基于特征的图像配准算法。基于灰度的配准方法又可称为基于像素的配准方法。其特征空间为图像的灰度像素值。算法利用两幅图像的灰度数据信息直接进行配准,通过不同的优化算法搜索反映目标函数相似性的极值点,从而确定同维图像或者多模图像之间的变换广西大学硕士掌位论爻基于互信息和蚁群算法的多分辨率二维一三维医掌图象配准的研究参数。这种方法的优势在于越过将原始图像数据进行预处理的过程,可以避免进行预处理过程中受到主观因素或其他不可预见客观因素可能给配准带来的额外误差,最大程度的保证配准结果只依赖于配准理论方法。但实际应用中为了降低噪声等客观影响通常,还是需要通过灰度插值等技术进行预处理,以增加或均匀像素的分辨率。这样做是在算法上有更全局的考虑,即降低算法的不稳定性。常见的算法有最大互信息法、相关法、条件熵法、联合熵法等。在上述诸多方法之中,基于互信息的配准方法是目前医学图像配准领域中的研究热点,因为这种方法几乎可以应用在任何不同模态图像间的配准。但基于灰度的配准方法也存在计算量大、用时长、忽略图像的空间相关信息等缺点。基于特征的配准方法,其对象可以是图像中的点、边缘、不规则线、不规则面、不变矩等。算法以从带配准图像中提取出各类特征的集合为基础,再通过特征来确定配准参数。用于描述图像形变的函数一般包含在特征集中,而灰度插值技术则可与用于处理其他包含无用信息的部分。同样,阈值的计算用于处理特征提取中的非线性部分。特征提取算法可以以特征的类型分类,如算子、算子是基于点特征的算子、算子是基于线特征的以及部分基于面特征的算法等等。目前,对于边缘检测和图像分割等技术发展和革新,使得基于物体形态边缘的线特征算法和区域的面特征算法的图像配准方法也逐渐受到重视。通常情况下,基于特征的方法操作较为简便、配准效率和成功率较高等优点。但特征点的选取一般来说需要人工介入且获取比较复杂。其主要缺点在于人为的干预过程很大程度上与操作者的水平有关且容易受到主观因素的影响,使得这类配准结果经常会有很大的差别。搜索空间搜索空间是指在配准过程中对图像进行变换的范围及变换的方式。如果以图像变换范围为依据,可以将配准系统的类型分为全局、局部和位移场三类。全局变换整幅图像可以使用同一组变换参数表示图像中的所有区域的变换。局部变换在图像中的每一个不同部分有一个与之相应变换函数,通过每一个变换函数可以计算出这个部分对应的几何变换参数。一般来说,通过在区域关键点的参数变换和灰度插值技术来实现。位移场变换在图像中的每一个像素点的都有一个与之对应的变换函数,每一个基于互信息和蚁群算法的多分辨率二维一三维医掌图象配准的研究变换函数对应一组独立的几何变换参数。通常使用一个连续函数来实现优化和约束。搜索空间的实质是在最优化计算中所有可行解的集合。也就是说,搜索空间中的每一个元素都是一个可行解。图像配准的解就是在可行解空间中寻找的一个点,求解问题即可转化为在搜索空间中寻找极值点的问题。下面具体介绍图像变换的几种主要方式。图像的变换方式可以分两个大类,一是线性变换,包括刚体变换、仿射变换和投影变换与之相对应的另一种即是非线性变换。刚体变换在一幅图像中的两个点通过平移、旋转和反转等变换的组合后,在另一幅图像中仍保持不变这样的情况即称为刚体变换【。在二维平面中,点,经过刚体变换到点,其变换公式可表示为,。乏其中为旋转角,为平移向量。仿射变换一幅图像上的直线经过线性变换和平移变换的组合后,映射到另一幅图像中仍保持直线且平行的位置关系不丢失的情况就被称为仿射变换。在二维平面中,变换公式可表示为三乏其中为实矩阵。投影变换一幅图像上的平行直线经过变换后,映射到另一幅图像上仍为直线,但平行关系基本无法保持的情况就被称为投影变换。投影变换的实质是建立两平面场之间及邻域双向连续点的一一对应关系。其数学模型可表示为基于互信息和蚁群算法的多分辨率二维一三维医学图象配准的研究匮胡非线性变换非线性变换一般可以使用多项式函数把直线关系对应不规则曲线关系。非线性变换的应用目前较少,常见的有用于配准某些具有全局性形变或者整体采用刚体模型但局部存在形变的情况。相似性测度相似性测度反映了待配准图像的相似性,它用于评估每次配准变换的效果,是衡量每次变换结果优劣的准则。通过选用不同的相似性测度方法,可以为下一步搜索策略的选择提供不同依据,并决定每一个配准测试的相关特性。因此在图像配准过程中,相似性测度被认为是最重要的步骤之一。对于一个图像配准系统来说,特征空间、搜索空间、相似性测度和搜索策略四个组成部分相互依赖、相互影响,它们之间的关系十分密切。针对不同类型的配准每一个部分都可以选择多种不同的算法,而每一种算法的选择又必须考虑到其他几部分的适合程度。比如选择一种配准变换方式,需要以相似性测度的值为参考,其前提是当前采用变换模型的正确性和合理性。通常情况下,采用怎样的相似性测度方法特征怎样去提取这两个问题共同决定了配准算法抗干扰的能力。在当前的研究进展中,归一化互相关、互信息、梯度互相关、模式强度、梯度差值等几种方法为广大研究者所常用。下面简要介绍几种主要的基于灰度信息的相似性测度。在图像配准配准系统中,定义参考图像的像素灰度值为定义不同条件下获得的待配准的浮动图像其像素灰度值为,。归一化互相关,/一,/一弓,肚露畿示丽霖丽摇以愿姗秒其中在,/区域内,参考图像的像素灰度平均值分别用表示和浮动图像的像素灰度平均值分别用表示。我们通过归一化互信息的数学模型可以分析得到,这种测度的值的大小完全依赖于图像每个像素的灰度值,因此可以预见到当出现灰度值的变化厂西大学硕士学位论文基于互信意和蚁群算法的多分辨率二维一三维医掌图象配准的研究较大的时候,也就是图像含有较多的线条边缘时灰度值急剧变化的情况下,相似性测度的评判可能会有比较大的偏差。,互信息互信息最先出现在信息论中,通常用于描述两个系统间的统计相关性,或是一个系统中所包含的另一个系统中信息的多少。若令,表示联合概率分布,它由归一化的联合直方图表示,、为,的边缘分布概率。两幅图像间互信息的可有用以下公式表示善船当待配准的两幅图像的互信息达到极值时,认为两幅图像配准完成,此时一幅图像中包含的信息与另一幅中一一对应且两幅图像在空间位置上完全一致。研究表明,互信息在三维三维间多模图像配准中非常有效口。梯度互相关这种互信息测度首先需要从参考图像,和浮动图像,的导数计算入手。这两幅图像在其各自平面坐标轴上的方向变化率分别由以/破和以/巧以及以,/讲和刃,/谚来表示。然后分别计算弘/疣与以/巧之间和讲,/坊和讲,/巧之间的归一化互相关值并用水平和垂直算子对待配准的两幅图像进行处理。这两个方向梯度值的平均值就是两幅图像的梯度相关测度。梯度相关测度的优点在于能较好的处理医学图像中空间低频差异问题。但是梯度互相关的数学模型和算法原理涉及算子以及归一化互相关,所以同样的当图像存在部分灰度值急剧变化的区域时,对测度结果影响较大【】。模式强度,名称中的“模式”通常指的就是待配准的目标,其计算原理以差值图像为基础。当模式强度值搜索到全局极小值时,即表示两幅图像差异消除且两幅图像达到匹配状态。在模式强度理论中,某个像素属于一个模式的含义是这个像素与其邻近的像素在数值上有比较显著的差别引。则半径以内的所有像素都以这个像素为中心进行计算。其数学表达式如下否磊再琢杀丽丽基于互信息和蚁群算法的多分辨率二维一三维医掌图象配准的研究其中/一,仃表示函数的权重,且仃是一个常数。随着一个模式逐渐增大,其模式强度测度逐渐趋近于而当一个模式逐渐趋近于时,其模式强度逐渐趋近于一个最大值。梯度差值与模式强度测度类似,梯度差值测度的表达式也是以/的形式为基础的,这就使得梯度差值测度对细线结构具有很好的鲁棒性【。梯度差值相似性测度的本质也是以图像之间差异的大小程度为入手点,也涉及到数学中的方向梯度的计算。以上简述的各种图像配准相似性测度的原理和侧重点各不一样,具有各自优劣性。实际应用中,每一种相似性测度都会针对不同的情况应用于特定的配准测试中。搜索策略图像配准的本质就是为了使图像达到最佳匹配时,设法搜索令相似性测度值达到最大时的最优空间变换参数。因此,我们就是以相似性测度作为判定优劣的依据,通过选择合适的搜索策略在可行解组成的搜索空间中找到最优配准参数。实践中考虑到图像配准算法中可能需要进行复杂的运算,当今研究的重点在于需要找到一种更加科学有效的的搜索策略应用于图像配准系统以解决运用经典优化搜索中遇到的种种问题。每一个配准测试进程的快慢,不仅与搜索空间的大小,相似性测度的选择有联系,更重要的是选择一个科学合理的搜索策略。这三个方面的因素直接决定了配准算法的性能【钔。在数学领域,函数的最优化研究进过多年的发展已经具有丰富的研究成果,存在很多成熟的算法可以利用。在图像配准领域比较常用到的有黄金分割法、抛物线法、法、算法、遗传算法、蚁群算法和模拟退火算法等等【】。在本文的图像配准测试实验中,我们选择算法作为研究主要的参考对象【】。图像重采样方式通常在图像配准中,配准图像经过几何变换后一部分像素其平面位置可能发生了改变,因此某些原本处于网格点上的像素点的灰度值将发生改变。由于变换后的灰度值需要重新计算,因此需要利用重采样方法即灰度插值的方法来确定变换后的图像中像素点的灰度值。灰度插值技术主要解决像素灰度级的赋值问题,根据周围像素的灰度值,可以按照特定的权函数内插来得出像素的重采样灰度值。常用的插值算法有最近邻插值法、线性基于互信息和蚁群算法的多分辨率二维一三维医学图象配准的研究插值法和部分体积分布插值法等【。最近邻插值法最近邻插值法也称作零阶插值,就是令变换后像素的灰度值等于距它坐标上最邻近的输入像素的灰度值。其实现过程在原始图像上的一个浮点坐标的像素灰度值通过映射与配准图像里的相应点的建立对应关系,而对应配准图像像素的灰度值就是这个整数型坐标对应的像素灰度值。设需要插值的像素点为,在二维图像中落在该点坐标网格上的四个邻近点为别为,屹和。算法将与该点距离最近的点的灰度值赋给改,而这个最近点是通过计算“与其邻近的四个网格点之间的距离来确定的。如图。该算法的计算公式为,最近邻插值法的原理只是进行简单的距离计算、判断和赋值,因此这种插值方法不进计算量小,还有不会破坏参考图像的灰度信息的优点。但是简单的代价就是几何精度较差,精度最大只能达到像素级别。如果临近点之间的灰度值存在急剧变化时,会产生较大误差。图最邻近插值法示意图图双线插值与部分体积插值法示意图双线性插值法所谓的线性插值就是指新的灰度值是通过线性函数计算得到的。首先选定一个方向上的两个像素点,根据各自对应的线性函数计算出两个新的像素灰度值再沿着与之垂基于互信息和蚁群算法的多分辨率二维一三维医掌图象配准的研究直的方向同样计算出两个新的像素灰度值,则目标点的像素灰度值即可通过这四个点问的联合加权运算获得,如图。该算法的计算公式为厂其中,表示各个相邻点的权重,厂表示各个相应点的灰度值,权重的计算方法为一一。二,坞出方一出咖式中,出和砂分别表示与之间沿方向和方向的位移。最邻近插值法的赋值判定还有一个明显的缺陷在于线性特征比较容易出现成块外观的现象,而对于双线性插值法能够很好的减少这种问题出现的几率。但从这种插值方法的数学公式可以看到,变换后点的灰度值,需要通过多次运算才能确定。因此,相比最邻近插值法,较高精度的代价就是额外的运算。部分体积插值法部分体积插值法实际上是对双线性插值方法的优化。根据一定的加权系数计算加权平均值,将每对像素对联合直方图的贡献分散到联合直方图上相邻的区域,从而内插出反向变换点的灰度值,避免了插值运算而出现新的灰度值而对破坏目标函数值分布的光滑性,使得互信息的计算更加精确。部分体积插值法的计算公式为办厂“,厂厂“,其中,表示权重,取值同双线插值法。目前部分体积插值法在基于互信息的图像配准中得到广泛应用。但在实际配准测试选择怎样的重采样方式,需要将图像性质、计算效率和应用目等多方面因素的进行综合考虑。医学图像配准的分类在医学图像的配准领域,为了方便区分和研究,可以将各种配准测试进行分类。医学图像配准的分类方法有很多种,可以通过各种不同的原则和标准对实际应用中的配准广西大掌硕士学位论文基于互信息和蚁群算法的多分辨率二维一三维医掌图象配准的研究方法进行分类,经过整理,常见的分类方法有以下几种【】【】根据配准图像维数分类根据图像模态的不同可分为配准、配准以及配准。配准指两幅三维空间图像间的配准配准就是指两幅平面图像的配准,具体到医学图像如两幅线图,两幅断层面图间的配准等配准通常指投影图像和空间图像间的直接配准。图像缺少空间三维信息,它们之间的配准不具有回顾性,而或配准就能克服这个局限。本文主要研究间的医学图像配准。根据变换函数的作用域分类根据空间变换参数的作用范围的不同进行归纳,可以分为局部变换和全局变换两种。配准的两幅图像中,如果不同的区域的对应关系需要用不同的函数来表示,其获得的几何变换参数只能用来描述这一区域的变换,这种情况就称为局部变换同样,配准两幅图像中,所有区域只需要用同一个函数就能表示,其获得的几何变换参数适用于图像所有区域的变换,这种情况就称为全局变换。实践中,全局变换的方法较为常用,只有当配准的图像性质比较特殊,需要特别处理某些区域的非刚性形变的情况时则需要采用局部变换。根据配准图像来源按待配准两幅图像的获得,可以将配准分为同一个体的不同角度图像间配准、不同个体同一角度图像的配准和某一个体的医学图像与标准图谱间配准三类。同一个体的图像配准指待配准的图像来自于同一患者的个体,即用于配准的参考图像与浮动图像是从同一个体的某个器官或解剖部位获得,其差异在于是在不同时间、不同条件或不同角度获得的。配准的目的在于综合不同图像间信息,对比分析动态变化进而监控疾病的发展及治疗。不同个体之间的图像配准指待配准的图像来自于不同患者,通常待配准的两幅图像分别来自某一患者的某一器官或组织和正常个体相同部位,通过配准辅助诊断是否发生病变以及病变程度当确认有异常情况存在时,还可以与某些疾病的典型图像进行配准并对比,为疾病确诊提供参考依据。第三类情况就是个体图像与图谱间的配准。这种情况下待配准的两幅图像分别来自某一患者和图谱。由于人类个体之间存在着生理上的差异,性别、年龄、体貌特征等差异都会使同一器官或解剖结构的形状、大小和位置存在大大小小的差异,这些个体的特异性使得不同人之间的图像配准问题成为当今医学图像分析领域中的公认难题。因此,需要建立一套科学系统的计算机化的标准医学图像图谱,对人体各个器官及部位做出详细的标记。目前,常见的方法大基于互信息和蚁群算法的多分辨率二维一三维医掌图象配准的研究致有两类一是借助一个共同的标准来比较。二是通过非线性变换,通过空间变换令待配准的两个不同个体的三维图像完成准确的配准。根据医学成像模式分类按配准图像获得方式的不同可分为单一模态图像配准和多模态图像配准。单模态图像配准是指参考图像和浮动图像是用同一种医学成像方式生成的。单一模态的配准反映的是同一方面的医学信息,其配准的目的在与观察前后的形态变化进行对比诊疗,如各种器官组织细胞的生长监控方面。实际应用较多的如图像加权像间的配准、电镜像序列的配准、功能核磁共振成像图像序列的配准等【】。同样,待配准的两幅图像来源于不同的医学成像设备生成的即为多模态图像配准。多模医学图像配准的主要目的在于整合各种成像设备采集到的不同医学图像中包含的不同角度的医学信息,从空间、时间、形态、解剖关系、组织结构、动态活动、新陈代谢等各个侧面通过图像的配准为实际诊疗提供准确全面的信息。如常见的线、和其中两种间的图像配准。根据特征分类根据特征可将配准分为基于外部特征和基于内部特征。所谓的外部特征,是指设立在个体身体外的标记物。通常这些标记物需要具备清晰、易识别或易检测的条件,而且需要在成像之前根据采用的不同成像方式选好特定的显影物质以便在各种模态图像中均能有效识别。这类配准只要将外部标记物有效配准,一般来说整幅图像就可以认为配准成功。内部特征则是指选择患者图像中本身具有的某些特殊标志物,标志物的选择需要具备明显和相对固定两个条件。这类配准特征的选择是在成像之后,不需要对患者进行特殊处理。从原理这两种配准方法上来说,基于外部特征的方法由于人为的设立了清晰易识的标记物,配准的难度相对较低且配准过程相对简单,通常只需要运用简单的优化算法即可完成。但对于标记物的设立要求较高,而且具有特异性无法进行有效的回溯分析。另一类基于内部的方法相比来说具有可回溯的优点,但内部标记物的定位问题受主观因素影响较大,其配准效果的起伏波动较大,在配准精度上不及外部特征点方法。近年来,基于内部特征的图像配准逐渐成为医学图像配准领域的研究热点之一。医学图像配准的评估方法图像配准,尤其是多模态图像配准,由于待配准的图像都具有其各自的性质和特点,配准结果的评估一直是件非常困难的事情【。目前还不存在世界统一评判标准,也就是说配准的结果都是相对的,并没有哪种配准可以说是绝对正确的。在这个层面上,配准基于互信息和蚁群算法的多分辨率二维一三维医学图象配准的研究。的实验应用的目的决定了最优配准算法【评价一个配准系统的性能优劣有以下几个指标即准确性、可靠性、鲁棒性和运算复杂度【。准确性准确性指的是观测值或估计值与真值的接近程度。两个值越接近,误差越小,准确性就越高。在图像配准中,准确度以像素为单位,待配准两幅图像的几何变化在二维平面上以的位移的形式量化的反映出来。在实际实验中,如果已知对应点在坐标轴上的具体坐标,准确度可以通过模拟图测量和计算得到。可靠性可靠性指元件、产品、系统在一定时间内、在一定条件下无故障地执行指定功能的能力或可能性。对于图像配准,就是指一种配准算法成功的次数,即搜索得到一组最佳配准参数的次数占进行的总的测试数的百分率。如果在一组配准测试中,得到次令人满意的优化参数需要进行次完整测试,且配准测试的次数足够大,则算法的可靠性用表示。/的比值越接近于说明算法可靠性越高。鲁棒性鲁棒是英文的音译,愿意是健壮和强壮的意思。鲁棒性,是指控制系统在一定结构,大小的参数摄动下,维持某些性能的特性。也可以描述为系统保持准确性的稳定程度,或是算法在输入参数不同程度发生变化时的可靠程度。一般来说,可以根据灰度值的差异、形态变化、图像噪声干扰和图像差异部分的比例等方面来综合分析系统的鲁棒性。一个多参数配准系统是否具有鲁棒性在于其参数变化时系统能否保持准确性和可靠性。系统的准确性、可靠性两项指标的稳定程度可以通过输入参数变化时得到结果的误差大小来具体描述。结果越接近于标准值,则配准系统的鲁棒性就越强。对于图像配准,如果一个配准算法的最优变换参数是由多个输入参数共同决定的,但单一的某个输入参数不会对整个系统的准确性和可靠性造成影响,则说明系统的鲁棒性对于每一个单一的参数是不变的。而且某一个图像配准系统只对于几何形态的变化具有高鲁棒性,而对于噪声干扰、灰度差异缺不具鲁棒性,这样的系统也不能称为是鲁棒的。总的来说,一个具有鲁棒性的图像配准系统其准确性和可靠性是不会因为一个或多个输入参数的改变而发生明显变化的。运算复杂度作为计算机科学领域的一个重要指标,复杂度与花费时间是直接相关的,而一个任广西大学硕士掌位论文基于互信息和蚁群算法的多分辨率二维一三维医掌图象配准的研究务的完成时间在很大程度上决定了某种算法是否具有可行性和实用性【】。假如一个图像配准算法仅需要数十秒就可以完成两幅不同模态医学图像间的配准,结合计算机技术,这种图像配准算法将有可能在外科手术的导航和定位的具有很大的实用价值。运算复杂度是通过表示成一个关于图像维数的函数的代数运算得到,理想的配准算法应使其运算复杂度是配准图像维数的线性函数【。对于一个医学图像配准系统,配准算法的性能评估目前还没有一个统一的评价系统。即使对于不同医学专家,怎样去配准两幅医学图像才能对疾病的诊疗能起到更大作用这个问题也是见仁见智,无法制定统一的标准。不仅在医学界,在图像处理领域对于最优解的独一性也存在着争议。近年来已经提出了各种对于刚性配准的评价算法。评估刚性配准系统可以通过把基准标记物设立在待配准图像上。这些带有标记物的数据集,其整个配准系统的准确性和可靠性等常规性能指标可以在某些典型多模态图像的配准上观察到【引。设立基准标记物的方法虽然可行,但也具有一定的局限性,其最现实的问题就是人体器官的精密性和敏感性决定了某些器官并不能直接设立标记物。对于刚体配准模型,基准标记物的大小、形状、类型等差异都会对配准的效果造成影响【。而对于非刚体配准模型,由于需要考虑某些区域的形变情况,一般通过大量数据仿真评估而不适宜采用标记物的方法【。如文献为国外研究者近年来对于非刚性配准做出的研究探索。本章小结本章首先介绍了图像配准的定义、概念和框架,包括图像配准的数学模型、特征空间、搜索空间、相似性测度以及搜索策略等,然后介绍了医学图像配准的几种主要分类方法。此后,论文对基本的图像配准的重采样方法和主要评估参数进行详细介绍。这些内容为后续章节中将要介绍的二维三维医学像配准方法提供了理论依据。基于互信息和蚁群算法的多分辨率二