基于sift和互信息的医学图像配准的研究（可编辑）

学校代号10524学号12009412分类号密级硕士学位论文基于SIFT和互信息的医学图像配准研究学位申请人姓名郑芳培养单位生物医学工程学院导师姓名及职称高智勇副教授学科专业生物医学工程研究方向图像处理与传输论文提交日期2012年5月学校代号10524学号12009412密级中南民族大学硕士学位论文基于SIFT和互信息的医学图像配准研究学位申请人姓名郑芳导师姓名及职称高智勇副教授培养单位生物医学工程学院专业名称生物医学工程论文提交日期2012年5月论文答辩日期2012年5月答辩委员会主席刘守印教授RESEARCHONMEDICALIMAGEREGISTRATIONMETHODBASEDONSIFTANDMUTUALINFORMATIONALGORITHMMODELSBYZHENGFANG/THCENTRALUNIVERSITYFORNATIONALITIES2009ATHESISSUBMITTEDINPARTIALSATISFACTIONOFTHEREQUIREMENTSFORTHEDEGREEOFMASTEROFENGINEERINGINBIOLOGICALSIFTHARRIS互信息PSO遗传算法I基于SIFT和互信息的医学图像配准研究ABSTRACTWITHTHERAPIDDEVELOPMENTOFMEDICALIMAGINGTECHNOLOGY,THEMODALITYOFMEDICALIMAGESISMOREANDMOREDIVERSIFIEDINCLINICALAPPLICATION,INTEGRATINGTHESEMODALITYMEDICALIMAGESISHELPFULTOOBSERVECOMPREHENSIVEINFORMATIONVISUALLY,IMPROVETHEACCURACYOFCLINICALDIAGNOSESANDDEVELOPANAPPROPRIATETREATMENTPROGRAMHOWEVER,THEPRIMARYTASKISIMAGEREGISTRATIONDUETOTHEDIFFERENCEOFMEDICALIMAGESIMAGINGPRINCIPLE,PARAMETERSANDRESOLUTIONINORDERTOACHIEVEHIGHERREGISTRATIONACCURACY,THISPAPERSTUDIESTHESCALEINVARIANTFEATURETRANSFORMSIFTALGORITHMANDTHEMUTUALINFORMATIONALGORITHMINMEDICALIMAGEREGISTRATIONTHEMAINWORKOFTHISPAPERISASFOLLOWS1TOOVERCOMETHESHORTCOMINGOFTHESIFTALGORITHMINMEDICALIMAGEREGISTRATION,THISPAPERPROPOSESANIMPROVEDMETHODTHEMETHODINTEGRATESHARRISALGORITHMINTOSIFTSOTHATITCANEXTRACTMORESTRUCTURALANDSIGNIFICANTPOINTSINORIGINALIMAGEEXPERIMENTRESULTSSHOWTHATTHEPROPOSEDALGORITHMCANINCREASETHEQUANTITYOFSTRUCTURALPOINTSANDIMPROVETHEACCURACYOFMEDICALIMAGEREGISTRATION2TOOVERCOMETHESHORTCOMINGOFTHEPARTICLESWARMOPTIMIZATIONPSOALGORITHMINTHEREGISTRATIONBASEDONMUTUALINFORMATION,THISPAPERPROPOSESANIMPROVEDMETHODTHISMETHODADDSTHEIDEASOFGENETICALGORITHMGASCOPY,HYBRIDIZATIONANDVARIATIONINTOPSOSOTHATITCANSOLVETHEPROBLEMOFLOCALOPTIMAANDSLOWCONVERGENCEEFFICIENTLYEXPERIMENTRESULTSSHOWTHATTHEIMPROVEDPSOMETHODCANOBTAINAFASTERANDMOREACCURATEREGISTRATIONRESULT3TOMEETTHEHIGHERREGISTRATIONACCURACY,THISPAPERCOMBINESWITHTHEIMPROVEDSIFTMETHODANDTHEREGISTRATIONBASEDONMUTUALINFORMATIONTHOUGHTHEIMPROVEDSIFTMETHODCANIMPROVETHEACCURACYATACERTAINEXTENT,HIGHERACCURACYISREQUIREDINMEDICALAPPLICATIONTHUS,ITSHELPFULTOADDTHEFURTHERREGISTRATIONWITHMUTUALINFORMATIONMETHODTHEACCURACYANDROBUSTNESSOFTHEPROPOSEDALGORITHMHASBEENANALYZEDWITHALARGENUMBEROFEXPERIMENTSINREGISTRATIONOFULTRASOUNDIMAGES,CTIMAGESANDMRIIMAGESTHERESULTSSHOWTHATTHETWOSTEPREGISTRATIONMETHODCANACHIEVEBETTERACCURACYANDROBUSTNESSKEYWORDSMEDICALIMAGEREGISTRATIONSIFTHARRISMUTUALINFORMATIONPSOGENETICALGORITHMII中南民族大学硕士学位论文目录摘要IABSTRACTII第1章绪论111引言112研究背景与意义113医学图像配准技术发展历史214医学图像配准技术研究现状2141基于特征配准算法研究现状2142参数优化算法研究现状315本文研究内容及结构安排4第2章医学图像配准方法概述621图像配准算法原理622图像配准重要要素7221医学图像配准几何变换分类7222医学图像配准优化算法9223医学图像配准评价标准1023本文算法概述10231粗配算法简介11232精配算法简介11233其他相关算法122331本文几何变换方式122332本文插值算法1324本章小结14第3章基于SIFT配准算法的改进1531SIFT算法概述15311SIFT算法主要思想15312SIFT算法主要步骤1632SIFT算法改进19321HARRIS算法原理19322结合HARRIS的SIFT特征提取2133实验结果与分析221基于SIFT和互信息的医学图像配准研究34本章小结24第4章基于互信息配准算法的优化方法研究2541互信息算法概述25411互信息算法主要原理25412互信息算法主要步骤26413互信息算法的主要特点2742常用优化算法介绍27421PSO算法27422遗传算法28423改进PSO算法30424优化算法性能比较3143实验结果与分析3244本章小结34第5章基于SIFT和互信息的两步配准法3551两步配准算法介绍3552实验结果与分析3653算法鲁棒性4154本章小结43第6章结束语4461全文工作总结4462今后工作展望45参考文献46致谢50附录A攻读学位期间所发表的学术论文目录512中南民族大学硕士学位论文第1章绪论11引言医学是一门关系到每个人身心健康的应用科学。在现实生活中,人们越来越注重个人健康问题,在一定程度上医学的发展水平不但体现出人们的生活水平,还代表着国家的综合国力。自从1895年伦琴发现X射线以来,医学的诊断方式已不再仅限于“望、闻、问、切”这些基本的诊断手段。随着可视化技术的不断发展,医学影像的信息处理已逐渐成为现代医学诊断中不可缺少的重要部分。20世纪90年代以来,学者们已经开始借助计算机图形学、计算机网络等技术对医学影像进行分析。由于医学影像不但涉及医学领域,还涉及计算机等工科领域,因而它逐渐成为一门具有特色的交叉学科。由于计算机的快速发展,医学图像的模态也越来越多样化,医生在对这些图像进行处理时,为方便观察分析,必须先将图像融合在一起,由于其成像原理、参数的不同,融合前必须进行配准。因此,图像配准技术逐渐成为图像融合领域的关键和难点,也是当前研究的热点。12研究背景与意义20世纪以来,随着医学影像技术的快速发展,特别是在计算机技术高速发展的条件下,医学图像的模态也越来越多元化。而这些多模态的形式也使得医学图像配准越来越受到学者们的关注。医学图像配准的应用极其广泛,已在临床诊断、临床治疗、手术导航及治疗效果评价等领域取得很好的效果1在临床诊断或治疗中,单模态的图像一般不能较好地呈现完整的图像信息。因此,为了帮助医生诊断或制定治疗方案,首先需要对病人进行多项目检查,以获得多种模态的成像,然后利用各自信息的优势,将图像进行融合,最后在同一幅图像中显示出来,这样医生便能更加直观地观察其感兴趣的部分信息,便于确诊或制定准确的治疗方案。2在计算机辅助手术中,外科医生可根据医学图像配准寻找病灶位置,并研究与其相关的解剖结构信息,然后制定相应的手术方案,从而为手术的顺利进行提供有效的保障。3在病人治疗的过程中,为了便于了解治疗效果,通常需要将治疗前的图像与治疗后图像进行融合对比,从而帮助医生更加准确的评价治疗效果。1基于SIFT和互信息的医学图像配准研究从上面的应用介绍可知,在临床诊断、手术导航及病人治疗等方面,医学图像配准在医学领域占有重要地位。而与自然图像比较,医学图像对于配准精度方面的要求更高,且图像的质量往往较差,特别是医学超声图像的斑点噪声,会严重影响图像配准的精度。因此,如何进一步提高医学图像配准精度成为当前研究中的难点。13医学图像配准技术发展历史一般地,医学图像配准技术可大致分为三个阶段20世纪80年代初,数字减影血管造影简称DSA大量采用图像配准技术。该技术主要基于图像灰度,通过计算图像的相关性及灰度值,并检测它们的差异来决定刚性变换参数。直到20世纪90年代初,图像处理人员及临床医生发现,若将模态不同的图像融合在一起,能够更加直接的显示图像全部信息,从而便于后续的图像分析工作。为了完成该图像融合,一般需要将不同模态、不同时间的图像对应起来,这也就是我们研究的配准问题。这个时期的配准方法主要基于边界特征,较多的应用于二维刚性变换。20世纪90年代,配准算法在计算机硬件的快速发展下逐渐迈向三维空间,学者们开始在三维领域内采用刚性变换的方法对配准问题进行研究。与此同时,为了满足医学需求,二维空间也不再局限于刚性变换,非刚性变换的研究也得到一定的发展。14医学图像配准技术研究现状在医学图像配准技术的发展过程中,配准方法也随之越来越多样化。针对图像配准技术的准确、快速等要求,配准时所采取的特征以及参数寻优时所采用的方法显得极为重要。下面将从基于特征配准算法和优化算法两个部分来进行综述。141基于特征配准算法研究现状根据配准所依据的图像特征,大致可分为基于点特征配准算法、基于线或面特征配准算法和基于灰度的配准算法三大类。基于点特征的配准算法是一种最基本的配准算法,通过提取图像具有结构或解剖上容易定位的特征点,然后将这些特征点进行对齐,这些被检测出的特征点的数目、位置及对齐情况都关系到配准结果的好坏。基于点特征配准的算法有很1多,其中最经典的是GLOWE在2004年提出的SIFTSCALEINVARIANTFEATURE2中南民族大学硕士学位论文TRANSFORM算法,它主要应用在自然图像的配准问题中,实验结果表明在对图像配准时,SIFT算法对旋转、平移以及光照等影响不敏感,配准结果较好。随后,25SIFT特征算子因其优异性能而被许多学者应用到不同的图像配准领域中,且实验结果均可满足配准要求。此外,由于角点能够反映图像的结构,故也常被用6作配准特征点。如YANG等将角点集的凸壳概念应用到图像配准中,从而获得较7好的配准结果。ZHOU等对脑部图像采用提取角点的算法来解决配准问题,取得8满意的配准精度。而众多角点中,HARRIS角点的应用最为常见,PEI采用改进HARRIS9角点检测方法对特征点进行提取完成图像的快速配准,LIN等将HARRIS角点应10用到仿射变换模型中很好的解决了图像的配准问题,KANG等人将HARRIS角点与互信息方法相结合对图像进行配准,以获得好的配准精度。基于线或面特征的配准算法是利用分割方法将感兴趣区域的轮廓曲线或曲面提取出来作为图像的特征空间。现在也有大量学者通过分割的方法来获得图像的轮廓或面特征,然后再利用这些特征对图像进行配准,配准结果均可以满足精度1112要求。例如基于轮廓信息的有BESL提出的迭代最近点法简称ICPQIAN13采用建立物理形变模型来提取图像的轮廓或面HAO采用提取特征轮廓作为配1415准时的特征WANG采用迭代最近点法与轮廓信息相结合算法进行配准LI采用提取轮廓信息的方法解决遥感图像的配准问题。另一方面,基于面特征的有1617PELIZZARI和CHEN提出的头帽法YAMANY等采用提取图像面特征进行配准1819HUANG等基于面特征进行配准,并应用在生物医学模型中LI采用面信息对20CT和MRI图像进行配准LIBING提取表面特征实现对三维刚性图像配准。基于灰度的配准算法是先对图像灰度信息进行统计,然后将统计后的结果作为配准依据的一种配准算法。其中,一种较常用的方法是采用互信息作为相似性21度量来计算两幅图像信息的相关性,已得到广泛应用。如COLLIGNON、WELLS等2223将互信息作为配准测度进行配准以获得较理想的配准结果,YAMAMURA、PAN等将最大互信息作为相似性度量来实现更高精度的医学图像配准。142参数优化算法研究现状通常,一次图像配准过程并不能找到最优结果,而是通过不断地寻优来获得最优结果,这便涉及配准的迭代过程。为了更快更准确的获得最优结果必须采用一定的优化策略,因此,性能良好的优化策略便成为图像配准研究中的关键问题之一。优化策略的算法有很多,如POWELL法、模拟退火法、粒子群优化法PARTICLESWARMOPTIMIZATION,PSO以及遗传算法等,其中由于PSO算法易于理解及实3基于SIFT和互信息的医学图像配准研究24现,因此被广泛应用于各类优化问题中,得到广大学者的青睐。如WACHOWIAK等采用PSO算法有效解决了配准过程中的全局优化问题,并将其成功应用到医学25图像中JIN提出可变领域的粒子群优化算法,对医学图像配准后较好的解决PSO算法下易于出现局部最优的问题。同时,许多学者针对PSO优化算法后期收2629敛速度慢等问题进行了改进,改进后均能快速准确的找到最优解。此外,占30跃华等采用基于QPSO形态金字塔方法对多模态医学图像配准,该方法主要利用梯度互信息作为相似性度量,且采用QPSO算法和POEWLL算法相结合逐层得到最佳参数解,以取得较高的配准精度。15本文研究内容及结构安排针对医学图像配准过程中的快速、精确、全自动等要求,本文对SIFT的配准算法进行研究。本文主要内容包括首先,研究SIFT算法针对医学图像提取的关键点数目较少的缺点,对SIFT算法作了改进,从而有效地提取更多具有结构意义的关键点,为医学图像配准提供更多包含结构信息的关键点。其次,在改进SIFT算法基础上,研究进一步提高配准精度的方法。例如在超声图像配准中,由于超声图像分辨率较低,同时包含有大量的噪声,在采用改进SIFT算法进行配准后,为了进一步提高改进SIFT算法的配准精度,采用两步配准算法进行研究,即在改进SIFT配准的基础上,增加一步互信息算法对图像进行精配,并采用将遗传算法中杂交和变异加入到PSO算法的优化算法进行参数寻优,从而进一步提高配准精度。本文研究共分六章,具体结构安排如下第一章绪论,首先简单介绍了本课题的提出原因、研究背景及意义,然后从基于特征配准算法、优化算法两个方面对国内外研究现状进行了综述,最后介绍了本文的内容安排。第二章医学图像配准方法概述,主要介绍了本课题所使用的方法。首先对图像配准算法的原理进行概述然后从几何变换、优化算法及图像配准的评价标准三个方面详细介绍了医学图像配准的重要要素最后简单介绍了本文精配、粗配两个部分涉及的相关算法,并简单介绍了本文实验中所采用的几何变换方式及插值算法。第三章基于SIFT算法配准的改进,主要介绍了本课题所涉及的粗配算法及实验分析。首先详细介绍了粗配中涉及的SIFT算法,分别对SIFT算法的发展历程、主要思想、主要步骤以及该算法的优缺点做了相关介绍然后针对SIFT算法针对医学图像配准的不足,利用HARRIS角点检测算法进行改进,并对HARRIS角点检测算4中南民族大学硕士学位论文法的原理做了简单介绍,针对加入HARRIS角点后的SIFT算法的特征提取效果做了相关实验说明最后对医学超声图像进行实验,并给出相应的总结与分析。第四章基于互信息配准算法的优化方法研究,主要介绍了本课题所涉及的精配算法及实验分析。首先概述了互信息算法的原理、步骤以及特点然后着重介绍了在寻优过程中涉及的优化算法PSO算法、遗传算法及本文采用的改进PSO算法,并对PSO算法与改进后的PSO算法的性能做了比较最后对医学超声图像进行实验并分析。第五章基于SIFT和互信息的两步配准法。综合第三章、第四章内容,首先介绍了本文算法框架,即由粗到细的两步配准法。然后,针对医学超声图像、CT腹部截面图、MRI膀胱图像进行相关模拟实验,将一步互信配准、一步SIFT算法配准、两步配准法进行对比分析。最后,以配准难度最高的医学超声图像作为对象,针对不同方差的高斯噪声验证本文算法的鲁棒性。实验证明,本文算法是一种快速、高精度、全自动的医学图像配准算法,并可有效地提高配准精度,具有一定的抗噪性能。第六章总结全文的工作,并展望医学图像配准技术的下一步研究方向和应用前景。5基于SIFT和互信息的医学图像配准研究第2章医学图像配准方法概述21图像配准算法原理一般地,图像配准通常是解决两幅图像的严格对齐问题,而针对医学图像配准,是指对于浮动图像,通过寻找一组几何变换参数,使其与参考图像上的对应31点达到空间和解剖结构上的完全一致。为了更好的描述图像配准的定义,现以一个二维图像配准为例来说明,如图21所示。图21A和图21B表示同一位置上的两幅图像,这两幅图像的不同点在于1A相对于B来说旋转了一定的角度,在方向上有所差异2B相对于A来说形状上少了一部分,一般情况下可认为这是由于成像的不同或病人在手术前后病变组织消失造成的。而我们所说的图像配准也就是将图21A和图21B两幅图像进行配准,将A中的每一个点映射到B中去,使它们达到一一对应的效果,如图21C所示。图21D是21C的逆向过程。Y2Y1X1X2ABXY,XY,XY,XY,映射逆映射11222211CD图21图像配准的示意图6中南民族大学硕士学位论文22图像配准重要要素图像配准通过程常可分为以下两个步骤1对参考图像和浮动图像进行特征提取,从而得到这些特征信息所组成的特征空间2针对得到的特征信息,按一定的优化策略对图像进行配准。在图像配准过程中,首先确定相似性度量,即表示配准效果的目标函数,然后针对每一次的变换参数计算出目标函数值,该值越大,则说明参数越靠近最优解,其中每一次的参数都按一定策略进行确定,这就涉及到优化算法,这些优化算法可使目标函数更快、更准确地达到最大值或最小值,从而找到最优变换参数。因此,在配准过程中,特征空间、几何变换和优化算法称为三大要素。图22为医学图像配准的基本流程,其中FX为浮动图像,MY为参考图像,T为变换参数。FXT初始变换几何变换FXTFX更新TMY相似性度量NT最优Y最优T图22医学图像配准基本流程图221医学图像配准几何变换分类在图像配准过程中,求解参考图像与浮动图像之间的空间坐标变换参数时会涉及到几何变换问题。一般地,按图像变换方式可将其分为刚体变换和非刚体变换,其中非刚体变换还可细分为仿射变换、投影变换和曲线变换,如图23所示。7基于SIFT和互信息的医学图像配准研究图像变换刚体变换非刚体变换仿投曲射影线变变变换换换图23医学图像变换方式分类下面将分别详细的介绍。1刚体变换刚体指不容易产生变形或者组织结构较硬的物体,即变换前后任意两点的距离未发生变化的物体。一般情况下,刚体变换只涉及旋转和平移两种最基本的变换。YAXB21其中,X表示坐标原始位置,Y表示刚性变换后位置,A表示一个旋转矩阵,B表示一个平移的向量。对于平面变换,A表示一个22的矩阵,B表示一个21的矩阵而对于空间变换,则A是一个33矩阵,B为一个31的矩阵。刚体变换必须满足约束条件TAAI,DETA122T其中,I表示单位矩阵,A表示A的转置矩阵。若使用齐次坐标形式来表示刚体变换,则可推出X100XXY0COSSINYY23Z0SINCOSZZ上式表示按X轴逆时针旋转角度,且X、Y、Z轴平移量分别为X、Y、Z。按Y轴或Z轴变换方式与按X轴变换类似,这里不做详细介绍。2仿射变换变换过程中,将直线通过映射后仍然为直线,并且保持平行的变换称为仿射变换,该变换主要应用于非均匀尺度变换及剪切变换等。该变换也可用式218中南民族大学硕士学位论文表示,当矩阵A不满足式22约束条件时的变换即为仿射变换。3投影变换直线通过映射不再保持平行性,但仍然为直线的变换称为投影变换,该变换可实现三维图像到二维图像上的投影,从而解决三维图像与二维图像的配准问题。4曲线变换将直线映射为曲线的变换称为曲线变换,也可称为弹性变换,该变换主要应用于腹部图像配准等。222医学图像配准优化算法前面已经介绍到,图像配准实质上是寻求最佳相似度的变换参数的过程,最佳变换参数是通过不断地调整空间位置,然后与另外一幅图像计算所得最高相似度时的空间位置。因此,两幅图像的相似度越高,对齐程度也就越好。配准的几何参数一般可通过以下两种方式得到一种是基于特征信息的集合来建立方程组以获得变换参数,它的参数好坏取决于提取的特征信息的好坏另一种是将优化过程看作是目标函数,通过对目标函数的极值求解以获得最佳变换参数。其中运用较为广泛的是第二种方法,它主要可分为三个步骤1确定变换参数的维度,初始化变换参数值2选择一个目标函数,用来衡量变换参数的好坏3通过一定的优化策略进行参数变换,将每一组参数代入到目标函数中进行计算比较,得到目标函数的最优解。在上面的第3步中可看到图像的配准过程是一个不断迭代的过程,计算量较大。此外,寻优过程中经常会出现收敛于局部最优的情况,从而导致配准误差较大。因此,一个性能优越的优化算法将在很大程度上起到加快配准速度、提高配准精度的作用,达到快速、高精度的配准效果。常用的优化算法有下山单纯形法、POWELL法、梯度下降法、遗传算法、PSO法等。其中,POWELL算法利用共轭方向的概念,在N个不同的方向求解极值,从而获得最佳变换参数,梯度下降法则是利用梯度信息来求解极值,遗传算法是利用生物遗传学的概念来求解极值,PSO算法则是利用对其他粒子及自身的不断学习来改变参数,以获得求解目标函数极值的目的。这些算法在对目标函数进行寻优时,通常都会存在易陷入局部最优,从而导致配准精度较低的问题,因此,优化算法的研究至关重要。本文也将从优化算法方向进行研究,以期望能够寻找一种较好的优化算法。9基于SIFT和互信息的医学图像配准研究223医学图像配准评价标准通常情况下,评估医学图像配准的效果比较困难。由于待配准的两幅图像通常是由不同设备成像得到的,或是在不同的时间由同一设备成像得到,故图像配准只是一个相对的最优配准过程,配准的评价没有所谓的“金标准”。下面将介绍几种最常见的评估算法。1体模体模一般可分为硬件体模和软件体模两种。其中,软件体模由计算机图像合成得到。体模法评估是由已知的图像信息对配准算法进行评估,从而得到配准精度。这种方法相对来说较为简单,但与实际临床图像存在较大的差异,故只能作为配准算法的初步评估。2准标由立体定向图像获取、立体定向参考框架、探针或手术器械导向几个部分可组成一个立体定向框架系统。由于其具有不易产生图像畸变、定位准确等优点,因而其体积图像可用来评价配准算法的精度。准标有时可采用人工记号作为标准对配准情况进行评价,如在进行测试时,若将测试棒内填充特定化学物质,进而可起到图像空间定位作用,又如可在人脑表面镶嵌螺丝作为标记。4图谱三维图谱与新实验者扫描图像之间的映射、多个实验者与单一解剖模板各方面功能、组织、血管等之间的映射等,这些都可概括为一个可变性的概率脑图谱,它是用随机向量场变换构造而得。5目测检验除了以上几种方法外,还有一种常用的评估方法,即邀请相关领域的专家针对不同的配准结果进行目测检验,这种方法具有较高的可信度。23本文算法概述由于医学超声图像存在大量斑点噪声,虽然采用SIFT算法配准可以得到较准确的结果,但由于该算法所提取到的关键点数量较少,且不具结构意义,从而对配准精度造成一定的影响。本文针对这一缺点,通过增加HARRIS角点的方式对SIFT算法进行改进,研究了一种从粗到细的全自动医学图像配准方法。该方法首先采用改进的SIFT算法进行粗配,将粗配结果作为精配的初始值,然后利用互信息作为相似性度量进行精配,并在精配过程中采用改进PSO优化算法,以达到提高配准精度的要求。10中南民族大学硕士学位论文231粗配算法简介上一章已经提到,按图像配准所依据特征的不同可将配准算法分为三类点、线或面、灰度。与基于线、面以及灰度的配准算法相比,基于点的配准算法只需找到图像中一些具有明显特征的信息点,故计算量更小,且能满足配准精度要求。而在众多基于点的配准算法中,SIFT是一种比较经典配准算法,对平移、旋转、尺度缩放和亮度变化等都具有一定的不变性,且最后所生成的128维的SIFT算子含有丰富的信息量,已被广泛用于图像配准领域。因此,本文主要利用SIFT这种基于点的配准算法对医学超声图像进行研究。SIFT算法虽然在检测医学图像关键点时能够检测到一定数目的关键点,但关键点的数目较少,且具有结构意义的关键点数目更少,而关键点的数目直接影响到配准结果的好坏,故保证关键点数目极其重要。由于HARRIS角点侧重于检测一些具有结构意义的点,针对SIFT检测关键点较少的缺点,本文使用HARRIS角点对其进行补充,从而使得粗配结果更加精确。图24为粗配算法的简要流程图,详见第三章介绍。输入图像特征点提取生成SIFT描述子欧氏距离配准完成图24粗配算法框图232精配算法简介通过改进SIFT算法进行图像配准,虽然在一定程度上提高了配准精度,但在医学应用上通常要求更高的精度。为了进一步提高配准精度,本文采用从粗到细的两步配准法来实现以改进的SIFT算法所得到的配准结果作为精配的初始值,然后采用基于改进PSO算法的互信息配准方法进行精配。互信息算法是一种基于图像灰度的配准方法,不需要进行分割、特征提取等预处理。互信息一般通过两幅图像的联合直方图计算得到。相应地,在这两幅图像中,对应像素图像灰度值之间的统计相关性即可用互信息来衡量,若在几何上11基于SIFT和互信息的医学图像配准研究图像能够很好地对齐,则此时可得到最大的互信息值。考虑到图像配准是一个迭代过程,计算量非常大,故在搜索最佳参数过程中需要采用一些优化算法,进而更快更准确地达到最优相似性度量值。常见的优化算法有POWELL算法、遗传算法及PSO算法等。由于PSO算法源于对鸟群觅食行为的研究,不但有对自身的学习能力,还有对其他粒子的社会学习能力,从而使得优化过程更快速准确的收敛到全局最优。此外,该算法容易理解,易于实现,因此已被广泛应