基于雙特征結(jié)合的彈性模型醫(yī)學(xué)圖像非剛性配準(zhǔn)方法研究.pdf

1、醫(yī)學(xué)圖像配準(zhǔn)的主要目的是將不同時(shí)間、不同視場(chǎng)、不同成像模式的兩幅或多幅圖像進(jìn)行空間幾何變換，以使代表相同解剖結(jié)構(gòu)的像素或體素在幾何上能夠匹配對(duì)應(yīng)起來。在配準(zhǔn)過程中，盡量兼顧自動(dòng)化程度高、魯棒性強(qiáng)、適應(yīng)性好、速度快、精度高等各項(xiàng)指標(biāo)。
　　基于特征的圖像配準(zhǔn)方法是目前圖像配準(zhǔn)最常用的方法之一，其最大的優(yōu)點(diǎn)在于能夠?qū)?duì)整個(gè)圖像進(jìn)行的各種分析轉(zhuǎn)化為對(duì)圖像特征（特征點(diǎn)、特征曲線等）的分析，從而大大減小了圖像處理過程的運(yùn)算量。而特征提取的準(zhǔn)

2、確程度和定位的精確將對(duì)整個(gè)配準(zhǔn)過程產(chǎn)生很大的影響。本文對(duì)現(xiàn)有的特征提取方法進(jìn)行了分析，重點(diǎn)研究了點(diǎn)的特征提取方法和輪廓的特征提取方法，提出了一種新的圖像配準(zhǔn)方法，即Harris角點(diǎn)提取法和LOG算子輪廓提取法相結(jié)合的特征提取法。先用Harris角點(diǎn)提取法提取圖像角點(diǎn)，并增加其灰度值，再用LOG算子邊緣提取法提取輪廓，之后對(duì)所提特征進(jìn)行自競(jìng)化。
　　研究了B樣條彈性變換模型，提出了基于雙特征結(jié)合的彈性模型醫(yī)學(xué)圖像非剛性配準(zhǔn)方法。采用

3、高質(zhì)量的擬三次B樣條型混合插值樣條作插值函數(shù)，用Hausdorff距離作為測(cè)度，用粒子群優(yōu)化算法優(yōu)化配準(zhǔn)過程，并給出了本文算法的配準(zhǔn)流程。
　　開發(fā)了基于OpenCV平臺(tái)的圖像配準(zhǔn)程序，實(shí)現(xiàn)了本文提出的非剛性醫(yī)學(xué)圖像配準(zhǔn)算法。用該算法對(duì)CT、MRI、PET圖像的同模和多模之間做了大量實(shí)驗(yàn)分析。分別用相關(guān)系數(shù)，最小均方誤差，歸一化互信息，信噪比等評(píng)價(jià)指標(biāo)對(duì)實(shí)驗(yàn)的配準(zhǔn)效果進(jìn)行了客觀評(píng)價(jià)。
　　從客觀評(píng)價(jià)結(jié)果來看，本文的方法配準(zhǔn)精