群智能算法的并行化研究及其在圖像配準(zhǔn)中的應(yīng)用.pdf

1、隨著數(shù)字醫(yī)療、遠(yuǎn)程診斷技術(shù)的實(shí)施與快速發(fā)展，醫(yī)療圖像處理越來越受到人們的廣泛關(guān)注。與普通圖像相比，醫(yī)療圖像本質(zhì)上具有模糊性和不均勻的特點(diǎn)，醫(yī)學(xué)上采用不同的成像設(shè)備來獲取多種不同模態(tài)的圖像信息，臨床上需要將這些信息結(jié)合起來，為醫(yī)生診斷和手術(shù)引導(dǎo)上提供更多的信息，這就需要將幾種不同模態(tài)的圖像進(jìn)行融合。圖像配準(zhǔn)是圖像融合的前提和基礎(chǔ)，只有經(jīng)過良好配準(zhǔn)后的圖像才能進(jìn)行有效的融合。 群智能算法是一種模擬自然界中社會(huì)性生物的群體行為的隨機(jī)優(yōu)

2、化算法，具有全局優(yōu)化性、魯棒、并行等優(yōu)點(diǎn)，作為圖像配準(zhǔn)中的優(yōu)化策略，取得了較好的配準(zhǔn)效果。但由于群智能算法需要進(jìn)行多步迭代隨機(jī)搜索，導(dǎo)致在全局收斂和實(shí)時(shí)性方面性能較差；另外，目前的醫(yī)療圖像多為三維圖像，數(shù)據(jù)量大，處理起來需要很長時(shí)間。因此，很有必要設(shè)計(jì)高效的并行優(yōu)化算法以提高醫(yī)療圖像配準(zhǔn)的精度和實(shí)時(shí)性。 首先，本文在分析遺傳算法、蟻群算法、粒子群算法及具有量子行為的粒子群算法(Quantum-behavedParticleSwa

3、rmOptimization,QPSO)的基礎(chǔ)上，根據(jù)群智能算法的內(nèi)在并行特性，設(shè)計(jì)了適合并行執(zhí)行的種群結(jié)構(gòu)-動(dòng)態(tài)鄰域拓?fù)浣Y(jié)構(gòu)；并結(jié)合智能與高性能計(jì)算實(shí)驗(yàn)室曙光SMP機(jī)群并行服務(wù)器和聯(lián)想PC集群的系統(tǒng)結(jié)構(gòu)，設(shè)計(jì)和實(shí)現(xiàn)了三種類型的基于動(dòng)態(tài)鄰域拓?fù)浣Y(jié)構(gòu)的并行計(jì)算模型。基于這三種并行模型，分別采用MPI、OpenMP以及MPI+OpenMP混合編程實(shí)現(xiàn)了并行遺傳算法、并行粒子群優(yōu)化算法以及具有量子行為的并行粒子群優(yōu)化算法。并將這三類算法應(yīng)用于

4、求解兩類非線性優(yōu)化問題-無約束最優(yōu)化問題和約束優(yōu)化問題，結(jié)果顯示并行QPSO算法在求解多極值優(yōu)化問題中比串行的群智能算法具有更強(qiáng)的優(yōu)化能力。 其次，論文研究了基于最大互信息的圖像配準(zhǔn)算法和Powell算法，并首次將QPSO算法以及基于鄰域拓?fù)浣Y(jié)構(gòu)的并行QPSO算法作為優(yōu)化策略用于圖像配準(zhǔn)。通過對MR和CT圖像的多模配準(zhǔn)仿真實(shí)驗(yàn)證明了該并行算法在圖像配準(zhǔn)上具有很好的性能。 最后，針對圖像配準(zhǔn)中的兩個(gè)關(guān)鍵步驟進(jìn)行了改進(jìn)：引入