基于互信息和梯度信息的多模医学图像配准研究.pdf

中原工学院硕士学位论文 摘要
基于互信息和梯度信息的多模医学图像配准研究
专 业：计算机应用技术
硕 士 生：崔伟民
指导教师：郭清宇 教授
摘 要
在多模医学图像配准中，互信息方法以其许多优点，得到了广泛的应用，尽
管不同模态的医学图像灰度会有差异，但成像对象却是同一器官或组织，因此两
幅图像完全对齐时，图像互信息应为最大值。可见，互信息取得最大的位置就是
图像的配准位置。虽然互信息法比基于特征的方法，在鲁棒性和配准精度方面表
现较好，但互信息本身也有缺点，一是互信息的度量会受待配准图像间的重叠部
分的多少的影响，这一问题可通过归一化的互信息或熵相关系数来解决。二是互
信息在空间信息表达方面的固有缺陷－忽略了图像的空间信息，可能无法正确的
反映图像间的关系，从而导致误配的情况发生，可通过加入梯度信息来弥补这一
不足之处。本文提出了一种新的配准方法，新配准方法把归一化的互信息和梯度
信息结合起来作为相似性测度，利用遗传算法和 Powell 算法相结合混合算法优
化配准参数。通过对新配准函数特性进行分析，新配准函数的光滑性相对于传统
互信息有一定改善，但仍表现出的局部极值特性，使像 Powell 这类局部搜索算
法在优化配准参数时易陷入局部极值点，从而导致配准精度不高，甚至可能配准
失败。为解决这一问题，使得须考虑使用全局策略来寻找最优值。针对新相似性
测度，利用遗传算法在低精度条件下进行粗略的全局配准，把获得的最优解做
Powell 算法的初始点，利用 Powell 算法在高精度条件下在进行局部搜索，逼近
全局最优解。混合优化算法继承了遗传算法和 Powell 算法各自优势，使配准结
果可以以较高的精度收敛于全局最优值。由于加入了空间信息，采用了归一化的
互信息，并对新配准函数使用混合优化策略进行优化，实验结果表明，本文提出
的配准方法有更好的准确性和精度。

关键词: 互信息；多模态；图像配准；梯度信息；遗传算法；Powell算法
I
中原工学院硕士学位论文 摘要
Multimodality medical image registration by combining
mutual information and gradient information
Specialty: Technology of Computer Application
Name: Cui Weimin
Supervisor: Prof. Guo Qingyu

Abstract
For many advantages，Image registration technology based on mutual information
is widely employed in multimodality medical image registration .Although different
modal medical images to be registrated are different in gray level,the imaging object
is the same organ or the two images are aligned exactly, the mutual
Information is maximized. So the best registration position is the place where the
mutual Information is maxim