群智能算法的并行化研究及其在圖像配準中的應用.pdf

1、隨著數(shù)字醫(yī)療、遠程診斷技術的實施與快速發(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，醫(yī)學上采用不同的成像設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合起來，為醫(yī)生診斷和手術引導上提供更多的信息，這就需要將幾種不同模態(tài)的圖像進行融合。圖像配準是圖像融合的前提和基礎，只有經(jīng)過良好配準后的圖像才能進行有效的融合。 群智能算法是一種模擬自然界中社會性生物的群體行為的隨機優(yōu)

2、化算法，具有全局優(yōu)化性、魯棒、并行等優(yōu)點，作為圖像配準中的優(yōu)化策略，取得了較好的配準效果。但由于群智能算法需要進行多步迭代隨機搜索，導致在全局收斂和實時性方面性能較差；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間。因此，很有必要設計高效的并行優(yōu)化算法以提高醫(yī)療圖像配準的精度和實時性。 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)的基礎上，根據(jù)群智能算法的內(nèi)在并行特性，設計了適合并行執(zhí)行的種群結構-動態(tài)鄰域拓撲結構；并結合智能與高性能計算實驗室曙光SMP機群并行服務器和聯(lián)想PC集群的系統(tǒng)結構，設計和實現(xiàn)了三種類型的基于動態(tài)鄰域拓撲結構的并行計算模型?；谶@三種并行模型，分別采用MPI、OpenMP以及MPI+OpenMP混合編程實現(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算法和Powell算法，并首次將QPSO算法以及基于鄰域拓撲結構的并行QPSO算法作為優(yōu)化策略用于圖像配準。通過對MR和CT圖像的多模配準仿真實驗證明了該并行算法在圖像配準上具有很好的性能。 最后，針對圖像配準中的兩個關鍵步驟進行了改進：引入