基于sift和互信息的醫(yī)學(xué)圖像配準(zhǔn)的研究（可編輯）

學(xué)校代號(hào)10524學(xué)號(hào)12009412分類號(hào)密級(jí)碩士學(xué)位論文基于SIFT和互信息的醫(yī)學(xué)圖像配準(zhǔn)研究學(xué)位申請(qǐng)人姓名鄭芳培養(yǎng)單位生物醫(yī)學(xué)工程學(xué)院導(dǎo)師姓名及職稱高智勇副教授學(xué)科專業(yè)生物醫(yī)學(xué)工程研究方向圖像處理與傳輸論文提交日期2012年5月學(xué)校代號(hào)10524學(xué)號(hào)12009412密級(jí)中南民族大學(xué)碩士學(xué)位論文基于SIFT和互信息的醫(yī)學(xué)圖像配準(zhǔn)研究學(xué)位申請(qǐng)人姓名鄭芳導(dǎo)師姓名及職稱高智勇副教授培養(yǎng)單位生物醫(yī)學(xué)工程學(xué)院專業(yè)名稱生物醫(yī)學(xué)工程論文提交日期2012年5月論文答辯日期2012年5月答辯委員會(huì)主席劉守印教授RESEARCHONMEDICALIMAGEREGISTRATIONMETHODBASEDONSIFTANDMUTUALINFORMATIONALGORITHMMODELSBYZHENGFANG/THCENTRALUNIVERSITYFORNATIONALITIES2009ATHESISSUBMITTEDINPARTIALSATISFACTIONOFTHEREQUIREMENTSFORTHEDEGREEOFMASTEROFENGINEERINGINBIOLOGICALSIFTHARRIS互信息PSO遺傳算法I基于SIFT和互信息的醫(yī)學(xué)圖像配準(zhǔn)研究ABSTRACTWITHTHERAPIDDEVELOPMENTOFMEDICALIMAGINGTECHNOLOGY,THEMODALITYOFMEDICALIMAGESISMOREANDMOREDIVERSIFIEDINCLINICALAPPLICATION,INTEGRATINGTHESEMODALITYMEDICALIMAGESISHELPFULTOOBSERVECOMPREHENSIVEINFORMATIONVISUALLY,IMPROVETHEACCURACYOFCLINICALDIAGNOSESANDDEVELOPANAPPROPRIATETREATMENTPROGRAMHOWEVER,THEPRIMARYTASKISIMAGEREGISTRATIONDUETOTHEDIFFERENCEOFMEDICALIMAGESIMAGINGPRINCIPLE,PARAMETERSANDRESOLUTIONINORDERTOACHIEVEHIGHERREGISTRATIONACCURACY,THISPAPERSTUDIESTHESCALEINVARIANTFEATURETRANSFORMSIFTALGORITHMANDTHEMUTUALINFORMATIONALGORITHMINMEDICALIMAGEREGISTRATIONTHEMAINWORKOFTHISPAPERISASFOLLOWS1TOOVERCOMETHESHORTCOMINGOFTHESIFTALGORITHMINMEDICALIMAGEREGISTRATION,THISPAPERPROPOSESANIMPROVEDMETHODTHEMETHODINTEGRATESHARRISALGORITHMINTOSIFTSOTHATITCANEXTRACTMORESTRUCTURALANDSIGNIFICANTPOINTSINORIGINALIMAGEEXPERIMENTRESULTSSHOWTHATTHEPROPOSEDALGORITHMCANINCREASETHEQUANTITYOFSTRUCTURALPOINTSANDIMPROVETHEACCURACYOFMEDICALIMAGEREGISTRATION2TOOVERCOMETHESHORTCOMINGOFTHEPARTICLESWARMOPTIMIZATIONPSOALGORITHMINTHEREGISTRATIONBASEDONMUTUALINFORMATION,THISPAPERPROPOSESANIMPROVEDMETHODTHISMETHODADDSTHEIDEASOFGENETICALGORITHMGASCOPY,HYBRIDIZATIONANDVARIATIONINTOPSOSOTHATITCANSOLVETHEPROBLEMOFLOCALOPTIMAANDSLOWCONVERGENCEEFFICIENTLYEXPERIMENTRESULTSSHOWTHATTHEIMPROVEDPSOMETHODCANOBTAINAFASTERANDMOREACCURATEREGISTRATIONRESULT3TOMEETTHEHIGHERREGISTRATIONACCURACY,THISPAPERCOMBINESWITHTHEIMPROVEDSIFTMETHODANDTHEREGISTRATIONBASEDONMUTUALINFORMATIONTHOUGHTHEIMPROVEDSIFTMETHODCANIMPROVETHEACCURACYATACERTAINEXTENT,HIGHERACCURACYISREQUIREDINMEDICALAPPLICATIONTHUS,ITSHELPFULTOADDTHEFURTHERREGISTRATIONWITHMUTUALINFORMATIONMETHODTHEACCURACYANDROBUSTNESSOFTHEPROPOSEDALGORITHMHASBEENANALYZEDWITHALARGENUMBEROFEXPERIMENTSINREGISTRATIONOFULTRASOUNDIMAGES,CTIMAGESANDMRIIMAGESTHERESULTSSHOWTHATTHETWOSTEPREGISTRATIONMETHODCANACHIEVEBETTERACCURACYANDROBUSTNESSKEYWORDSMEDICALIMAGEREGISTRATIONSIFTHARRISMUTUALINFORMATIONPSOGENETICALGORITHMII中南民族大學(xué)碩士學(xué)位論文目錄摘要IABSTRACTII第1章緒論111引言112研究背景與意義113醫(yī)學(xué)圖像配準(zhǔn)技術(shù)發(fā)展歷史214醫(yī)學(xué)圖像配準(zhǔn)技術(shù)研究現(xiàn)狀2141基于特征配準(zhǔn)算法研究現(xiàn)狀2142參數(shù)優(yōu)化算法研究現(xiàn)狀315本文研究?jī)?nèi)容及結(jié)構(gòu)安排4第2章醫(yī)學(xué)圖像配準(zhǔn)方法概述621圖像配準(zhǔn)算法原理622圖像配準(zhǔn)重要要素7221醫(yī)學(xué)圖像配準(zhǔn)幾何變換分類7222醫(yī)學(xué)圖像配準(zhǔn)優(yōu)化算法9223醫(yī)學(xué)圖像配準(zhǔn)評(píng)價(jià)標(biāo)準(zhǔn)1023本文算法概述10231粗配算法簡(jiǎn)介11232精配算法簡(jiǎn)介11233其他相關(guān)算法122331本文幾何變換方式122332本文插值算法1324本章小結(jié)14第3章基于SIFT配準(zhǔn)算法的改進(jìn)1531SIFT算法概述15311SIFT算法主要思想15312SIFT算法主要步驟1632SIFT算法改進(jìn)19321HARRIS算法原理19322結(jié)合HARRIS的SIFT特征提取2133實(shí)驗(yàn)結(jié)果與分析221基于SIFT和互信息的醫(yī)學(xué)圖像配準(zhǔn)研究34本章小結(jié)24第4章基于互信息配準(zhǔn)算法的優(yōu)化方法研究2541互信息算法概述25411互信息算法主要原理25412互信息算法主要步驟26413互信息算法的主要特點(diǎn)2742常用優(yōu)化算法介紹27421PSO算法27422遺傳算法28423改進(jìn)PSO算法30424優(yōu)化算法性能比較3143實(shí)驗(yàn)結(jié)果與分析3244本章小結(jié)34第5章基于SIFT和互信息的兩步配準(zhǔn)法3551兩步配準(zhǔn)算法介紹3552實(shí)驗(yàn)結(jié)果與分析3653算法魯棒性4154本章小結(jié)43第6章結(jié)束語(yǔ)4461全文工作總結(jié)4462今后工作展望45參考文獻(xiàn)46致謝50附錄A攻讀學(xué)位期間所發(fā)表的學(xué)術(shù)論文目錄512中南民族大學(xué)碩士學(xué)位論文第1章緒論11引言醫(yī)學(xué)是一門關(guān)系到每個(gè)人身心健康的應(yīng)用科學(xué)。在現(xiàn)實(shí)生活中,人們?cè)絹?lái)越注重個(gè)人健康問(wèn)題,在一定程度上醫(yī)學(xué)的發(fā)展水平不但體現(xiàn)出人們的生活水平,還代表著國(guó)家的綜合國(guó)力。自從1895年倫琴發(fā)現(xiàn)X射線以來(lái),醫(yī)學(xué)的診斷方式已不再僅限于“望、聞、問(wèn)、切”這些基本的診斷手段。隨著可視化技術(shù)的不斷發(fā)展,醫(yī)學(xué)影像的信息處理已逐漸成為現(xiàn)代醫(yī)學(xué)診斷中不可缺少的重要部分。20世紀(jì)90年代以來(lái),學(xué)者們已經(jīng)開(kāi)始借助計(jì)算機(jī)圖形學(xué)、計(jì)算機(jī)網(wǎng)絡(luò)等技術(shù)對(duì)醫(yī)學(xué)影像進(jìn)行分析。由于醫(yī)學(xué)影像不但涉及醫(yī)學(xué)領(lǐng)域,還涉及計(jì)算機(jī)等工科領(lǐng)域,因而它逐漸成為一門具有特色的交叉學(xué)科。由于計(jì)算機(jī)的快速發(fā)展,醫(yī)學(xué)圖像的模態(tài)也越來(lái)越多樣化,醫(yī)生在對(duì)這些圖像進(jìn)行處理時(shí),為方便觀察分析,必須先將圖像融合在一起,由于其成像原理、參數(shù)的不同,融合前必須進(jìn)行配準(zhǔn)。因此,圖像配準(zhǔn)技術(shù)逐漸成為圖像融合領(lǐng)域的關(guān)鍵和難點(diǎn),也是當(dāng)前研究的熱點(diǎn)。12研究背景與意義20世紀(jì)以來(lái),隨著醫(yī)學(xué)影像技術(shù)的快速發(fā)展,特別是在計(jì)算機(jī)技術(shù)高速發(fā)展的條件下,醫(yī)學(xué)圖像的模態(tài)也越來(lái)越多元化。而這些多模態(tài)的形式也使得醫(yī)學(xué)圖像配準(zhǔn)越來(lái)越受到學(xué)者們的關(guān)注。醫(yī)學(xué)圖像配準(zhǔn)的應(yīng)用極其廣泛,已在臨床診斷、臨床治療、手術(shù)導(dǎo)航及治療效果評(píng)價(jià)等領(lǐng)域取得很好的效果1在臨床診斷或治療中,單模態(tài)的圖像一般不能較好地呈現(xiàn)完整的圖像信息。因此,為了幫助醫(yī)生診斷或制定治療方案,首先需要對(duì)病人進(jìn)行多項(xiàng)目檢查,以獲得多種模態(tài)的成像,然后利用各自信息的優(yōu)勢(shì),將圖像進(jìn)行融合,最后在同一幅圖像中顯示出來(lái),這樣醫(yī)生便能更加直觀地觀察其感興趣的部分信息,便于確診或制定準(zhǔn)確的治療方案。2在計(jì)算機(jī)輔助手術(shù)中,外科醫(yī)生可根據(jù)醫(yī)學(xué)圖像配準(zhǔn)尋找病灶位置,并研究與其相關(guān)的解剖結(jié)構(gòu)信息,然后制定相應(yīng)的手術(shù)方案,從而為手術(shù)的順利進(jìn)行提供有效的保障。3在病人治療的過(guò)程中,為了便于了解治療效果,通常需要將治療前的圖像與治療后圖像進(jìn)行融合對(duì)比,從而幫助醫(yī)生更加準(zhǔn)確的評(píng)價(jià)治療效果。1基于SIFT和互信息的醫(yī)學(xué)圖像配準(zhǔn)研究從上面的應(yīng)用介紹可知,在臨床診斷、手術(shù)導(dǎo)航及病人治療等方面,醫(yī)學(xué)圖像配準(zhǔn)在醫(yī)學(xué)領(lǐng)域占有重要地位。而與自然圖像比較,醫(yī)學(xué)圖像對(duì)于配準(zhǔn)精度方面的要求更高,且圖像的質(zhì)量往往較差,特別是醫(yī)學(xué)超聲圖像的斑點(diǎn)噪聲,會(huì)嚴(yán)重影響圖像配準(zhǔn)的精度。因此,如何進(jìn)一步提高醫(yī)學(xué)圖像配準(zhǔn)精度成為當(dāng)前研究中的難點(diǎn)。13醫(yī)學(xué)圖像配準(zhǔn)技術(shù)發(fā)展歷史一般地,醫(yī)學(xué)圖像配準(zhǔn)技術(shù)可大致分為三個(gè)階段20世紀(jì)80年代初,數(shù)字減影血管造影簡(jiǎn)稱DSA大量采用圖像配準(zhǔn)技術(shù)。該技術(shù)主要基于圖像灰度,通過(guò)計(jì)算圖像的相關(guān)性及灰度值,并檢測(cè)它們的差異來(lái)決定剛性變換參數(shù)。直到20世紀(jì)90年代初,圖像處理人員及臨床醫(yī)生發(fā)現(xiàn),若將模態(tài)不同的圖像融合在一起,能夠更加直接的顯示圖像全部信息,從而便于后續(xù)的圖像分析工作。為了完成該圖像融合,一般需要將不同模態(tài)、不同時(shí)間的圖像對(duì)應(yīng)起來(lái),這也就是我們研究的配準(zhǔn)問(wèn)題。這個(gè)時(shí)期的配準(zhǔn)方法主要基于邊界特征,較多的應(yīng)用于二維剛性變換。20世紀(jì)90年代,配準(zhǔn)算法在計(jì)算機(jī)硬件的快速發(fā)展下逐漸邁向三維空間,學(xué)者們開(kāi)始在三維領(lǐng)域內(nèi)采用剛性變換的方法對(duì)配準(zhǔn)問(wèn)題進(jìn)行研究。與此同時(shí),為了滿足醫(yī)學(xué)需求,二維空間也不再局限于剛性變換,非剛性變換的研究也得到一定的發(fā)展。14醫(yī)學(xué)圖像配準(zhǔn)技術(shù)研究現(xiàn)狀在醫(yī)學(xué)圖像配準(zhǔn)技術(shù)的發(fā)展過(guò)程中,配準(zhǔn)方法也隨之越來(lái)越多樣化。針對(duì)圖像配準(zhǔn)技術(shù)的準(zhǔn)確、快速等要求,配準(zhǔn)時(shí)所采取的特征以及參數(shù)尋優(yōu)時(shí)所采用的方法顯得極為重要。下面將從基于特征配準(zhǔn)算法和優(yōu)化算法兩個(gè)部分來(lái)進(jìn)行綜述。141基于特征配準(zhǔn)算法研究現(xiàn)狀根據(jù)配準(zhǔn)所依據(jù)的圖像特征,大致可分為基于點(diǎn)特征配準(zhǔn)算法、基于線或面特征配準(zhǔn)算法和基于灰度的配準(zhǔn)算法三大類。基于點(diǎn)特征的配準(zhǔn)算法是一種最基本的配準(zhǔn)算法,通過(guò)提取圖像具有結(jié)構(gòu)或解剖上容易定位的特征點(diǎn),然后將這些特征點(diǎn)進(jìn)行對(duì)齊,這些被檢測(cè)出的特征點(diǎn)的數(shù)目、位置及對(duì)齊情況都關(guān)系到配準(zhǔn)結(jié)果的好壞?；邳c(diǎn)特征配準(zhǔn)的算法有很1多,其中最經(jīng)典的是GLOWE在2004年提出的SIFTSCALEINVARIANTFEATURE2中南民族大學(xué)碩士學(xué)位論文TRANSFORM算法,它主要應(yīng)用在自然圖像的配準(zhǔn)問(wèn)題中,實(shí)驗(yàn)結(jié)果表明在對(duì)圖像配準(zhǔn)時(shí),SIFT算法對(duì)旋轉(zhuǎn)、平移以及光照等影響不敏感,配準(zhǔn)結(jié)果較好。隨后,25SIFT特征算子因其優(yōu)異性能而被許多學(xué)者應(yīng)用到不同的圖像配準(zhǔn)領(lǐng)域中,且實(shí)驗(yàn)結(jié)果均可滿足配準(zhǔn)要求。此外,由于角點(diǎn)能夠反映圖像的結(jié)構(gòu),故也常被用6作配準(zhǔn)特征點(diǎn)。如YANG等將角點(diǎn)集的凸殼概念應(yīng)用到圖像配準(zhǔn)中,從而獲得較7好的配準(zhǔn)結(jié)果。ZHOU等對(duì)腦部圖像采用提取角點(diǎn)的算法來(lái)解決配準(zhǔn)問(wèn)題,取得8滿意的配準(zhǔn)精度。而眾多角點(diǎn)中,HARRIS角點(diǎn)的應(yīng)用最為常見(jiàn),PEI采用改進(jìn)HARRIS9角點(diǎn)檢測(cè)方法對(duì)特征點(diǎn)進(jìn)行提取完成圖像的快速配準(zhǔn),LIN等將HARRIS角點(diǎn)應(yīng)10用到仿射變換模型中很好的解決了圖像的配準(zhǔn)問(wèn)題,KANG等人將HARRIS角點(diǎn)與互信息方法相結(jié)合對(duì)圖像進(jìn)行配準(zhǔn),以獲得好的配準(zhǔn)精度?；诰€或面特征的配準(zhǔn)算法是利用分割方法將感興趣區(qū)域的輪廓曲線或曲面提取出來(lái)作為圖像的特征空間。現(xiàn)在也有大量學(xué)者通過(guò)分割的方法來(lái)獲得圖像的輪廓或面特征,然后再利用這些特征對(duì)圖像進(jìn)行配準(zhǔn),配準(zhǔn)結(jié)果均可以滿足精度1112要求。例如基于輪廓信息的有BESL提出的迭代最近點(diǎn)法簡(jiǎn)稱ICPQIAN13采用建立物理形變模型來(lái)提取圖像的輪廓或面HAO采用提取特征輪廓作為配1415準(zhǔn)時(shí)的特征WANG采用迭代最近點(diǎn)法與輪廓信息相結(jié)合算法進(jìn)行配準(zhǔn)LI采用提取輪廓信息的方法解決遙感圖像的配準(zhǔn)問(wèn)題。另一方面,基于面特征的有1617PELIZZARI和CHEN提出的頭帽法YAMANY等采用提取圖像面特征進(jìn)行配準(zhǔn)1819HUANG等基于面特征進(jìn)行配準(zhǔn),并應(yīng)用在生物醫(yī)學(xué)模型中LI采用面信息對(duì)20CT和MRI圖像進(jìn)行配準(zhǔn)LIBING提取表面特征實(shí)現(xiàn)對(duì)三維剛性圖像配準(zhǔn)。基于灰度的配準(zhǔn)算法是先對(duì)圖像灰度信息進(jìn)行統(tǒng)計(jì),然后將統(tǒng)計(jì)后的結(jié)果作為配準(zhǔn)依據(jù)的一種配準(zhǔn)算法。其中,一種較常用的方法是采用互信息作為相似性21度量來(lái)計(jì)算兩幅圖像信息的相關(guān)性,已得到廣泛應(yīng)用。如COLLIGNON、WELLS等2223將互信息作為配準(zhǔn)測(cè)度進(jìn)行配準(zhǔn)以獲得較理想的配準(zhǔn)結(jié)果,YAMAMURA、PAN等將最大互信息作為相似性度量來(lái)實(shí)現(xiàn)更高精度的醫(yī)學(xué)圖像配準(zhǔn)。142參數(shù)優(yōu)化算法研究現(xiàn)狀通常,一次圖像配準(zhǔn)過(guò)程并不能找到最優(yōu)結(jié)果,而是通過(guò)不斷地尋優(yōu)來(lái)獲得最優(yōu)結(jié)果,這便涉及配準(zhǔn)的迭代過(guò)程。為了更快更準(zhǔn)確的獲得最優(yōu)結(jié)果必須采用一定的優(yōu)化策略,因此,性能良好的優(yōu)化策略便成為圖像配準(zhǔn)研究中的關(guān)鍵問(wèn)題之一。優(yōu)化策略的算法有很多,如POWELL法、模擬退火法、粒子群優(yōu)化法PARTICLESWARMOPTIMIZATION,PSO以及遺傳算法等,其中由于PSO算法易于理解及實(shí)3基于SIFT和互信息的醫(yī)學(xué)圖像配準(zhǔn)研究24現(xiàn),因此被廣泛應(yīng)用于各類優(yōu)化問(wèn)題中,得到廣大學(xué)者的青睞。如WACHOWIAK等采用PSO算法有效解決了配準(zhǔn)過(guò)程中的全局優(yōu)化問(wèn)題,并將其成功應(yīng)用到醫(yī)學(xué)25圖像中JIN提出可變領(lǐng)域的粒子群優(yōu)化算法,對(duì)醫(yī)學(xué)圖像配準(zhǔn)后較好的解決PSO算法下易于出現(xiàn)局部最優(yōu)的問(wèn)題。同時(shí),許多學(xué)者針對(duì)PSO優(yōu)化算法后期收2629斂速度慢等問(wèn)題進(jìn)行了改進(jìn),改進(jìn)后均能快速準(zhǔn)確的找到最優(yōu)解。此外,占30躍華等采用基于QPSO形態(tài)金字塔方法對(duì)多模態(tài)醫(yī)學(xué)圖像配準(zhǔn),該方法主要利用梯度互信息作為相似性度量,且采用QPSO算法和POEWLL算法相結(jié)合逐層得到最佳參數(shù)解,以取得較高的配準(zhǔn)精度。15本文研究?jī)?nèi)容及結(jié)構(gòu)安排針對(duì)醫(yī)學(xué)圖像配準(zhǔn)過(guò)程中的快速、精確、全自動(dòng)等要求,本文對(duì)SIFT的配準(zhǔn)算法進(jìn)行研究。本文主要內(nèi)容包括首先,研究SIFT算法針對(duì)醫(yī)學(xué)圖像提取的關(guān)鍵點(diǎn)數(shù)目較少的缺點(diǎn),對(duì)SIFT算法作了改進(jìn),從而有效地提取更多具有結(jié)構(gòu)意義的關(guān)鍵點(diǎn),為醫(yī)學(xué)圖像配準(zhǔn)提供更多包含結(jié)構(gòu)信息的關(guān)鍵點(diǎn)。其次,在改進(jìn)SIFT算法基礎(chǔ)上,研究進(jìn)一步提高配準(zhǔn)精度的方法。例如在超聲圖像配準(zhǔn)中,由于超聲圖像分辨率較低,同時(shí)包含有大量的噪聲,在采用改進(jìn)SIFT算法進(jìn)行配準(zhǔn)后,為了進(jìn)一步提高改進(jìn)SIFT算法的配準(zhǔn)精度,采用兩步配準(zhǔn)算法進(jìn)行研究,即在改進(jìn)SIFT配準(zhǔn)的基礎(chǔ)上,增加一步互信息算法對(duì)圖像進(jìn)行精配,并采用將遺傳算法中雜交和變異加入到PSO算法的優(yōu)化算法進(jìn)行參數(shù)尋優(yōu),從而進(jìn)一步提高配準(zhǔn)精度。本文研究共分六章,具體結(jié)構(gòu)安排如下第一章緒論,首先簡(jiǎn)單介紹了本課題的提出原因、研究背景及意義,然后從基于特征配準(zhǔn)算法、優(yōu)化算法兩個(gè)方面對(duì)國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了綜述,最后介紹了本文的內(nèi)容安排。第二章醫(yī)學(xué)圖像配準(zhǔn)方法概述,主要介紹了本課題所使用的方法。首先對(duì)圖像配準(zhǔn)算法的原理進(jìn)行概述然后從幾何變換、優(yōu)化算法及圖像配準(zhǔn)的評(píng)價(jià)標(biāo)準(zhǔn)三個(gè)方面詳細(xì)介紹了醫(yī)學(xué)圖像配準(zhǔn)的重要要素最后簡(jiǎn)單介紹了本文精配、粗配兩個(gè)部分涉及的相關(guān)算法,并簡(jiǎn)單介紹了本文實(shí)驗(yàn)中所采用的幾何變換方式及插值算法。第三章基于SIFT算法配準(zhǔn)的改進(jìn),主要介紹了本課題所涉及的粗配算法及實(shí)驗(yàn)分析。首先詳細(xì)介紹了粗配中涉及的SIFT算法,分別對(duì)SIFT算法的發(fā)展歷程、主要思想、主要步驟以及該算法的優(yōu)缺點(diǎn)做了相關(guān)介紹然后針對(duì)SIFT算法針對(duì)醫(yī)學(xué)圖像配準(zhǔn)的不足,利用HARRIS角點(diǎn)檢測(cè)算法進(jìn)行改進(jìn),并對(duì)HARRIS角點(diǎn)檢測(cè)算4中南民族大學(xué)碩士學(xué)位論文法的原理做了簡(jiǎn)單介紹,針對(duì)加入HARRIS角點(diǎn)后的SIFT算法的特征提取效果做了相關(guān)實(shí)驗(yàn)說(shuō)明最后對(duì)醫(yī)學(xué)超聲圖像進(jìn)行實(shí)驗(yàn),并給出相應(yīng)的總結(jié)與分析。第四章基于互信息配準(zhǔn)算法的優(yōu)化方法研究,主要介紹了本課題所涉及的精配算法及實(shí)驗(yàn)分析。首先概述了互信息算法的原理、步驟以及特點(diǎn)然后著重介紹了在尋優(yōu)過(guò)程中涉及的優(yōu)化算法PSO算法、遺傳算法及本文采用的改進(jìn)PSO算法,并對(duì)PSO算法與改進(jìn)后的PSO算法的性能做了比較最后對(duì)醫(yī)學(xué)超聲圖像進(jìn)行實(shí)驗(yàn)并分析。第五章基于SIFT和互信息的兩步配準(zhǔn)法。綜合第三章、第四章內(nèi)容,首先介紹了本文算法框架,即由粗到細(xì)的兩步配準(zhǔn)法。然后,針對(duì)醫(yī)學(xué)超聲圖像、CT腹部截面圖、MRI膀胱圖像進(jìn)行相關(guān)模擬實(shí)驗(yàn),將一步互信配準(zhǔn)、一步SIFT算法配準(zhǔn)、兩步配準(zhǔn)法進(jìn)行對(duì)比分析。最后,以配準(zhǔn)難度最高的醫(yī)學(xué)超聲圖像作為對(duì)象,針對(duì)不同方差的高斯噪聲驗(yàn)證本文算法的魯棒性。實(shí)驗(yàn)證明,本文算法是一種快速、高精度、全自動(dòng)的醫(yī)學(xué)圖像配準(zhǔn)算法,并可有效地提高配準(zhǔn)精度,具有一定的抗噪性能。第六章總結(jié)全文的工作,并展望醫(yī)學(xué)圖像配準(zhǔn)技術(shù)的下一步研究方向和應(yīng)用前景。5基于SIFT和互信息的醫(yī)學(xué)圖像配準(zhǔn)研究第2章醫(yī)學(xué)圖像配準(zhǔn)方法概述21圖像配準(zhǔn)算法原理一般地,圖像配準(zhǔn)通常是解決兩幅圖像的嚴(yán)格對(duì)齊問(wèn)題,而針對(duì)醫(yī)學(xué)圖像配準(zhǔn),是指對(duì)于浮動(dòng)圖像,通過(guò)尋找一組幾何變換參數(shù),使其與參考圖像上的對(duì)應(yīng)31點(diǎn)達(dá)到空間和解剖結(jié)構(gòu)上的完全一致。為了更好的描述圖像配準(zhǔn)的定義,現(xiàn)以一個(gè)二維圖像配準(zhǔn)為例來(lái)說(shuō)明,如圖21所示。圖21A和圖21B表示同一位置上的兩幅圖像,這兩幅圖像的不同點(diǎn)在于1A相對(duì)于B來(lái)說(shuō)旋轉(zhuǎn)了一定的角度,在方向上有所差異2B相對(duì)于A來(lái)說(shuō)形狀上少了一部分,一般情況下可認(rèn)為這是由于成像的不同或病人在手術(shù)前后病變組織消失造成的。而我們所說(shuō)的圖像配準(zhǔn)也就是將圖21A和圖21B兩幅圖像進(jìn)行配準(zhǔn),將A中的每一個(gè)點(diǎn)映射到B中去,使它們達(dá)到一一對(duì)應(yīng)的效果,如圖21C所示。圖21D是21C的逆向過(guò)程。Y2Y1X1X2ABXY,XY,XY,XY,映射逆映射11222211CD圖21圖像配準(zhǔn)的示意圖6中南民族大學(xué)碩士學(xué)位論文22圖像配準(zhǔn)重要要素圖像配準(zhǔn)通過(guò)程常可分為以下兩個(gè)步驟1對(duì)參考圖像和浮動(dòng)圖像進(jìn)行特征提取,從而得到這些特征信息所組成的特征空間2針對(duì)得到的特征信息,按一定的優(yōu)化策略對(duì)圖像進(jìn)行配準(zhǔn)。在圖像配準(zhǔn)過(guò)程中,首先確定相似性度量,即表示配準(zhǔn)效果的目標(biāo)函數(shù),然后針對(duì)每一次的變換參數(shù)計(jì)算出目標(biāo)函數(shù)值,該值越大,則說(shuō)明參數(shù)越靠近最優(yōu)解,其中每一次的參數(shù)都按一定策略進(jìn)行確定,這就涉及到優(yōu)化算法,這些優(yōu)化算法可使目標(biāo)函數(shù)更快、更準(zhǔn)確地達(dá)到最大值或最小值,從而找到最優(yōu)變換參數(shù)。因此,在配準(zhǔn)過(guò)程中,特征空間、幾何變換和優(yōu)化算法稱為三大要素。圖22為醫(yī)學(xué)圖像配準(zhǔn)的基本流程,其中FX為浮動(dòng)圖像,MY為參考圖像,T為變換參數(shù)。FXT初始變換幾何變換FXTFX更新TMY相似性度量NT最優(yōu)Y最優(yōu)T圖22醫(yī)學(xué)圖像配準(zhǔn)基本流程圖221醫(yī)學(xué)圖像配準(zhǔn)幾何變換分類在圖像配準(zhǔn)過(guò)程中,求解參考圖像與浮動(dòng)圖像之間的空間坐標(biāo)變換參數(shù)時(shí)會(huì)涉及到幾何變換問(wèn)題。一般地,按圖像變換方式可將其分為剛體變換和非剛體變換,其中非剛體變換還可細(xì)分為仿射變換、投影變換和曲線變換,如圖23所示。7基于SIFT和互信息的醫(yī)學(xué)圖像配準(zhǔn)研究圖像變換剛體變換非剛體變換仿投曲射影線變變變換換換圖23醫(yī)學(xué)圖像變換方式分類下面將分別詳細(xì)的介紹。1剛體變換剛體指不容易產(chǎn)生變形或者組織結(jié)構(gòu)較硬的物體,即變換前后任意兩點(diǎn)的距離未發(fā)生變化的物體。一般情況下,剛體變換只涉及旋轉(zhuǎn)和平移兩種最基本的變換。YAXB21其中,X表示坐標(biāo)原始位置,Y表示剛性變換后位置,A表示一個(gè)旋轉(zhuǎn)矩陣,B表示一個(gè)平移的向量。對(duì)于平面變換,A表示一個(gè)22的矩陣,B表示一個(gè)21的矩陣而對(duì)于空間變換,則A是一個(gè)33矩陣,B為一個(gè)31的矩陣。剛體變換必須滿足約束條件TAAI,DETA122T其中,I表示單位矩陣,A表示A的轉(zhuǎn)置矩陣。若使用齊次坐標(biāo)形式來(lái)表示剛體變換,則可推出X100XXY0COSSINYY23Z0SINCOSZZ上式表示按X軸逆時(shí)針旋轉(zhuǎn)角度,且X、Y、Z軸平移量分別為X、Y、Z。按Y軸或Z軸變換方式與按X軸變換類似,這里不做詳細(xì)介紹。2仿射變換變換過(guò)程中,將直線通過(guò)映射后仍然為直線,并且保持平行的變換稱為仿射變換,該變換主要應(yīng)用于非均勻尺度變換及剪切變換等。該變換也可用式218中南民族大學(xué)碩士學(xué)位論文表示,當(dāng)矩陣A不滿足式22約束條件時(shí)的變換即為仿射變換。3投影變換直線通過(guò)映射不再保持平行性,但仍然為直線的變換稱為投影變換,該變換可實(shí)現(xiàn)三維圖像到二維圖像上的投影,從而解決三維圖像與二維圖像的配準(zhǔn)問(wèn)題。4曲線變換將直線映射為曲線的變換稱為曲線變換,也可稱為彈性變換,該變換主要應(yīng)用于腹部圖像配準(zhǔn)等。222醫(yī)學(xué)圖像配準(zhǔn)優(yōu)化算法前面已經(jīng)介紹到,圖像配準(zhǔn)實(shí)質(zhì)上是尋求最佳相似度的變換參數(shù)的過(guò)程,最佳變換參數(shù)是通過(guò)不斷地調(diào)整空間位置,然后與另外一幅圖像計(jì)算所得最高相似度時(shí)的空間位置。因此,兩幅圖像的相似度越高,對(duì)齊程度也就越好。配準(zhǔn)的幾何參數(shù)一般可通過(guò)以下兩種方式得到一種是基于特征信息的集合來(lái)建立方程組以獲得變換參數(shù),它的參數(shù)好壞取決于提取的特征信息的好壞另一種是將優(yōu)化過(guò)程看作是目標(biāo)函數(shù),通過(guò)對(duì)目標(biāo)函數(shù)的極值求解以獲得最佳變換參數(shù)。其中運(yùn)用較為廣泛的是第二種方法,它主要可分為三個(gè)步驟1確定變換參數(shù)的維度,初始化變換參數(shù)值2選擇一個(gè)目標(biāo)函數(shù),用來(lái)衡量變換參數(shù)的好壞3通過(guò)一定的優(yōu)化策略進(jìn)行參數(shù)變換,將每一組參數(shù)代入到目標(biāo)函數(shù)中進(jìn)行計(jì)算比較,得到目標(biāo)函數(shù)的最優(yōu)解。在上面的第3步中可看到圖像的配準(zhǔn)過(guò)程是一個(gè)不斷迭代的過(guò)程,計(jì)算量較大。此外,尋優(yōu)過(guò)程中經(jīng)常會(huì)出現(xiàn)收斂于局部最優(yōu)的情況,從而導(dǎo)致配準(zhǔn)誤差較大。因此,一個(gè)性能優(yōu)越的優(yōu)化算法將在很大程度上起到加快配準(zhǔn)速度、提高配準(zhǔn)精度的作用,達(dá)到快速、高精度的配準(zhǔn)效果。常用的優(yōu)化算法有下山單純形法、POWELL法、梯度下降法、遺傳算法、PSO法等。其中,POWELL算法利用共軛方向的概念,在N個(gè)不同的方向求解極值,從而獲得最佳變換參數(shù),梯度下降法則是利用梯度信息來(lái)求解極值,遺傳算法是利用生物遺傳學(xué)的概念來(lái)求解極值,PSO算法則是利用對(duì)其他粒子及自身的不斷學(xué)習(xí)來(lái)改變參數(shù),以獲得求解目標(biāo)函數(shù)極值的目的。這些算法在對(duì)目標(biāo)函數(shù)進(jìn)行尋優(yōu)時(shí),通常都會(huì)存在易陷入局部最優(yōu),從而導(dǎo)致配準(zhǔn)精度較低的問(wèn)題,因此,優(yōu)化算法的研究至關(guān)重要。本文也將從優(yōu)化算法方向進(jìn)行研究,以期望能夠?qū)ふ乙环N較好的優(yōu)化算法。9基于SIFT和互信息的醫(yī)學(xué)圖像配準(zhǔn)研究223醫(yī)學(xué)圖像配準(zhǔn)評(píng)價(jià)標(biāo)準(zhǔn)通常情況下,評(píng)估醫(yī)學(xué)圖像配準(zhǔn)的效果比較困難。由于待配準(zhǔn)的兩幅圖像通常是由不同設(shè)備成像得到的,或是在不同的時(shí)間由同一設(shè)備成像得到,故圖像配準(zhǔn)只是一個(gè)相對(duì)的最優(yōu)配準(zhǔn)過(guò)程,配準(zhǔn)的評(píng)價(jià)沒(méi)有所謂的“金標(biāo)準(zhǔn)”。下面將介紹幾種最常見(jiàn)的評(píng)估算法。1體模體模一般可分為硬件體模和軟件體模兩種。其中,軟件體模由計(jì)算機(jī)圖像合成得到。體模法評(píng)估是由已知的圖像信息對(duì)配準(zhǔn)算法進(jìn)行評(píng)估,從而得到配準(zhǔn)精度。這種方法相對(duì)來(lái)說(shuō)較為簡(jiǎn)單,但與實(shí)際臨床圖像存在較大的差異,故只能作為配準(zhǔn)算法的初步評(píng)估。2準(zhǔn)標(biāo)由立體定向圖像獲取、立體定向參考框架、探針或手術(shù)器械導(dǎo)向幾個(gè)部分可組成一個(gè)立體定向框架系統(tǒng)。由于其具有不易產(chǎn)生圖像畸變、定位準(zhǔn)確等優(yōu)點(diǎn),因而其體積圖像可用來(lái)評(píng)價(jià)配準(zhǔn)算法的精度。準(zhǔn)標(biāo)有時(shí)可采用人工記號(hào)作為標(biāo)準(zhǔn)對(duì)配準(zhǔn)情況進(jìn)行評(píng)價(jià),如在進(jìn)行測(cè)試時(shí),若將測(cè)試棒內(nèi)填充特定化學(xué)物質(zhì),進(jìn)而可起到圖像空間定位作用,又如可在人腦表面鑲嵌螺絲作為標(biāo)記。4圖譜三維圖譜與新實(shí)驗(yàn)者掃描圖像之間的映射、多個(gè)實(shí)驗(yàn)者與單一解剖模板各方面功能、組織、血管等之間的映射等,這些都可概括為一個(gè)可變性的概率腦圖譜,它是用隨機(jī)向量場(chǎng)變換構(gòu)造而得。5目測(cè)檢驗(yàn)除了以上幾種方法外,還有一種常用的評(píng)估方法,即邀請(qǐng)相關(guān)領(lǐng)域的專家針對(duì)不同的配準(zhǔn)結(jié)果進(jìn)行目測(cè)檢驗(yàn),這種方法具有較高的可信度。23本文算法概述由于醫(yī)學(xué)超聲圖像存在大量斑點(diǎn)噪聲,雖然采用SIFT算法配準(zhǔn)可以得到較準(zhǔn)確的結(jié)果,但由于該算法所提取到的關(guān)鍵點(diǎn)數(shù)量較少,且不具結(jié)構(gòu)意義,從而對(duì)配準(zhǔn)精度造成一定的影響。本文針對(duì)這一缺點(diǎn),通過(guò)增加HARRIS角點(diǎn)的方式對(duì)SIFT算法進(jìn)行改進(jìn),研究了一種從粗到細(xì)的全自動(dòng)醫(yī)學(xué)圖像配準(zhǔn)方法。該方法首先采用改進(jìn)的SIFT算法進(jìn)行粗配,將粗配結(jié)果作為精配的初始值,然后利用互信息作為相似性度量進(jìn)行精配,并在精配過(guò)程中采用改進(jìn)PSO優(yōu)化算法,以達(dá)到提高配準(zhǔn)精度的要求。10中南民族大學(xué)碩士學(xué)位論文231粗配算法簡(jiǎn)介上一章已經(jīng)提到,按圖像配準(zhǔn)所依據(jù)特征的不同可將配準(zhǔn)算法分為三類點(diǎn)、線或面、灰度。與基于線、面以及灰度的配準(zhǔn)算法相比,基于點(diǎn)的配準(zhǔn)算法只需找到圖像中一些具有明顯特征的信息點(diǎn),故計(jì)算量更小,且能滿足配準(zhǔn)精度要求。而在眾多基于點(diǎn)的配準(zhǔn)算法中,SIFT是一種比較經(jīng)典配準(zhǔn)算法,對(duì)平移、旋轉(zhuǎn)、尺度縮放和亮度變化等都具有一定的不變性,且最后所生成的128維的SIFT算子含有豐富的信息量,已被廣泛用于圖像配準(zhǔn)領(lǐng)域。因此,本文主要利用SIFT這種基于點(diǎn)的配準(zhǔn)算法對(duì)醫(yī)學(xué)超聲圖像進(jìn)行研究。SIFT算法雖然在檢測(cè)醫(yī)學(xué)圖像關(guān)鍵點(diǎn)時(shí)能夠檢測(cè)到一定數(shù)目的關(guān)鍵點(diǎn),但關(guān)鍵點(diǎn)的數(shù)目較少,且具有結(jié)構(gòu)意義的關(guān)鍵點(diǎn)數(shù)目更少,而關(guān)鍵點(diǎn)的數(shù)目直接影響到配準(zhǔn)結(jié)果的好壞,故保證關(guān)鍵點(diǎn)數(shù)目極其重要。由于HARRIS角點(diǎn)側(cè)重于檢測(cè)一些具有結(jié)構(gòu)意義的點(diǎn),針對(duì)SIFT檢測(cè)關(guān)鍵點(diǎn)較少的缺點(diǎn),本文使用HARRIS角點(diǎn)對(duì)其進(jìn)行補(bǔ)充,從而使得粗配結(jié)果更加精確。圖24為粗配算法的簡(jiǎn)要流程圖,詳見(jiàn)第三章介紹。輸入圖像特征點(diǎn)提取生成SIFT描述子歐氏距離配準(zhǔn)完成圖24粗配算法框圖232精配算法簡(jiǎn)介通過(guò)改進(jìn)SIFT算法進(jìn)行圖像配準(zhǔn),雖然在一定程度上提高了配準(zhǔn)精度,但在醫(yī)學(xué)應(yīng)用上通常要求更高的精度。為了進(jìn)一步提高配準(zhǔn)精度,本文采用從粗到細(xì)的兩步配準(zhǔn)法來(lái)實(shí)現(xiàn)以改進(jìn)的SIFT算法所得到的配準(zhǔn)結(jié)果作為精配的初始值,然后采用基于改進(jìn)PSO算法的互信息配準(zhǔn)方法進(jìn)行精配。互信息算法是一種基于圖像灰度的配準(zhǔn)方法,不需要進(jìn)行分割、特征提取等預(yù)處理?；バ畔⒁话阃ㄟ^(guò)兩幅圖像的聯(lián)合直方圖計(jì)算得到。相應(yīng)地,在這兩幅圖像中,對(duì)應(yīng)像素圖像灰度值之間的統(tǒng)計(jì)相關(guān)性即可用互信息來(lái)衡量,若在幾何上11基于SIFT和互信息的醫(yī)學(xué)圖像配準(zhǔn)研究圖像能夠很好地對(duì)齊,則此時(shí)可得到最大的互信息值?？紤]到圖像配準(zhǔn)是一個(gè)迭代過(guò)程,計(jì)算量非常大,故在搜索最佳參數(shù)過(guò)程中需要采用一些優(yōu)化算法,進(jìn)而更快更準(zhǔn)確地達(dá)到最優(yōu)相似性度量值。常見(jiàn)的優(yōu)化算法有POWELL算法、遺傳算法及PSO算法等。由于PSO算法源于對(duì)鳥(niǎo)群覓食行為的研究,不但有對(duì)自身的學(xué)習(xí)能力,還有對(duì)其他粒子的社會(huì)學(xué)習(xí)能力,從而使得優(yōu)化過(guò)程更快速準(zhǔn)確的收斂到全局最優(yōu)。此外,該算法容易理解,易于實(shí)現(xiàn),因此已被廣泛應(yīng)