醫(yī)學圖像配準及融合.pdf

1、醫(yī)學圖像信息融合是當代信息科學、計算機與醫(yī)學影像科學相交叉的一個研究課題,它是醫(yī)學圖像處理學科的一個新的研究熱點.作為醫(yī)學圖像融合的基礎,醫(yī)學圖像的配準有著非常重要的意義,它是圖像融合的第一步,配準的精度直接影響著融合的效果.該文從二維醫(yī)學圖像的剛性變換出發(fā),研究了基于互信息的多模態(tài)醫(yī)學圖像配準方法.互信息法是把信息論中的互信息作為衡量兩幅圖像配準的相似性測度函數,當兩幅圖像配準時,互信息達到最大值.該方法人工干預少,只依賴于圖像本身的

2、信息,不需要任何假設或先驗醫(yī)學知識,也不需要對圖像進行特征點提取、組織分類等預處理.在尋找最優(yōu)的旋轉和平移參數時,采用了無需計算梯度的Powell直接搜索算法和Brent算法.為了提高配準的速度和精度,該文提出了基于上角的插值技術,并通過多分辨的方式進一步加快配準速度.計算機斷層掃描成像CT和核磁共振MRI的配準實驗證明,互信息法能準確地實現多模態(tài)醫(yī)學圖像的配準,并且能達到亞象素的精度.對配準后的CT和MRI圖像,該文采用了基于像素為基

3、礎的空間結構融合方法和基于小波變換的多分辨率分析方法實現了CT和MRI圖像的融合.空間結構融合方法是按照不同的空間位置,將CT和MRI圖像的各自的一部分組合在一張圖像上.圖像本身沒有新的灰度級的增加,只是在一幅圖像中共存了兩種性質的圖像.小波變換除了具有傳統(tǒng)的傅立葉變換的優(yōu)點外,還能更加有效地描述圖像在時域和頻域上的局部特征.它將原始圖像分解成一系列具有不同空間分辨率和頻率特性的子圖像,這些子圖像反映了原始圖像的局部變化特征,為圖像融合