多分辨率醫(yī)學圖像配準技術(shù)及自適應(yīng)圖像插值技術(shù)的研究.pdf

1、圖像配準技術(shù)是醫(yī)學圖像處理領(lǐng)域的一個重要的和基本的研究課題。醫(yī)學圖像配準技術(shù)可以將來源于不同成像設(shè)備的圖像，或者不同時間利用同種成像設(shè)備得到的圖像進行配準，得到更豐富的信息用于醫(yī)療診斷中。全自動醫(yī)學圖像配準不僅可以用于醫(yī)療診斷，還可以用于指導神經(jīng)手術(shù)、放射治療計劃的制定、病灶的定位、病理變化的跟蹤和治療效果的評價等各個方面，為醫(yī)生提供功能和形態(tài)的綜合信息。 隨著圖像數(shù)據(jù)量的增大，對于大多數(shù)斷層掃描醫(yī)學圖像來說，二維、特別是三維體

2、積數(shù)據(jù)集包含巨大的數(shù)據(jù)量，極大地增加了計算的負擔，無法實時實現(xiàn)和臨床應(yīng)用，這也成為限制了現(xiàn)階段配準性能較好的互信息相似性測度在配準方法中的應(yīng)用。不論是剛性還是非剛性配準算法，在配準過程中，常使用多分辨率圖像金字塔來進行由粗到精的搜索變換系數(shù)，提高計算效率、避免局部極小值，實現(xiàn)自動的更精確的配準結(jié)果。但是常見的圖像金字塔，例如小波金字塔，濾波器的張量積形式使得小波變換缺乏平移和旋轉(zhuǎn)不變性，這些不變性正是在圖像配準中最需要的，只有具有這些不

3、變性，才能保證從粗尺度上得到的平移、旋轉(zhuǎn)和放縮參數(shù)的準確性，從而得到準確的結(jié)果。 另外，由于成像系統(tǒng)內(nèi)在和外在條件的限制，使獲取的圖像常常不能滿足實際的需求。從軟件方面來提高圖像分辨率有著極大的現(xiàn)實意義和應(yīng)用價值，而且無需增加額外的硬件設(shè)備，節(jié)省大量的費用。超分辨率技術(shù)在視頻、遙感、醫(yī)學和安全監(jiān)控等領(lǐng)域都具有十分重要的作用，例如，隨著高清電視（HDTV）的發(fā)展，利用超分辨率技術(shù)將大量的DTV信號轉(zhuǎn)化為與HDTV接收機相匹配的信號

4、，提高電視節(jié)目的兼容性。目前圖像的超分辨率重建比較常用的是插值方法。常見的插值方法有近鄰插值、雙線性插值、雙三次插值等，計算量比較小，但是圖像插值后常常出現(xiàn)方塊效應(yīng)或細節(jié)退化（邊緣模糊）。較好的視覺質(zhì)量和較低的算法復雜度是處理視頻、網(wǎng)絡(luò)信號的關(guān)鍵要求。 針對多分辨率醫(yī)學圖像配準和自適應(yīng)圖像插值技術(shù)，本文主要研究了以下幾個方面： 1.具有平移和旋轉(zhuǎn)不變性的圖像多分辨率分解可以提高配準過程的精度，避免陷入局部極值，導致誤配準

5、。提出一種改進的圓周對稱多分辨率分解算法，用環(huán)形帶通濾波器代替高通濾波器，使各尺度的子帶都具有平移和旋轉(zhuǎn)不變性。不丟失信息的前提下，降低計算的冗余度。 2.改進的圓周對稱塔式分解具有平移和旋轉(zhuǎn)不變性，可以提高圖像配準的性能。塔式分解的低頻子帶能量集中，用互信息進行配準；高頻子帶提供重要的解剖結(jié)構(gòu)信息，構(gòu)造基于邊緣信息的模糊梯度場，并用模糊貼近度作為相似性測度，與互信息相結(jié)合。實驗結(jié)果驗證了新的金字塔算法的有效性，可以實現(xiàn)多模態(tài)醫(yī)

6、學圖像的配準，結(jié)合模糊梯度場的配準算法提高了算法的魯棒性，快速準確穩(wěn)定地實現(xiàn)醫(yī)學圖像配準。 3.為了提高醫(yī)學圖像配準的速度和有效性，提出一種結(jié)合改進的圓周對稱塔式分解和邊緣特性的圖像配準方法。利用新的塔式分解結(jié)構(gòu)中的帶通子帶進行處理，計算包含圖像邊緣信息的帶通子圖像的主軸和質(zhì)心，作為低頻子帶配準過程的初值，提高配準的速度，也提高了對于發(fā)生較大形變的圖像或圖像初值比較大時進行配準的魯棒性。 4.針對數(shù)據(jù)量巨大的三維醫(yī)學圖像

7、，提出了一種球形對稱多分辨率金字塔分解框架（SSMP），McClellan算法用于實現(xiàn)球形和球環(huán)形的三維濾波器組。SSMP可以對三維圖像實現(xiàn)低冗余度且具有平移和旋轉(zhuǎn)不變性的多分辨率表示。對CT和PET醫(yī)學圖像進行的仿真實驗實現(xiàn)了基于球?qū)ΨQ塔式分解的醫(yī)學圖像配準的框架的配準過程，提高全局優(yōu)化的性能，達到最優(yōu)的變換參數(shù)。 5.提出一種基于圖像分類和非線性插值核的快速自適應(yīng)插值算法。首先通過圖像像素分類方法確定各像素的方向，并將像素點