基于互信息的醫(yī)學(xué)圖像配準(zhǔn)技術(shù)研究.pdf

1、隨著科技的發(fā)展,人們獲得圖像數(shù)據(jù)的途徑也隨之千變?nèi)f化,人們利用這些圖像數(shù)據(jù)時(shí),往往一種單一的圖像數(shù)據(jù)已經(jīng)不能滿足人們?cè)趯?shí)際應(yīng)用中的要求了。盡可能的合理利用這些圖像數(shù)據(jù),使圖像融合之后的結(jié)果更加準(zhǔn)確,使融合的精度和圖像識(shí)別的效率迅速增加,圖像融合技術(shù)主要應(yīng)用在多個(gè)傳感器下獲得的圖像處理領(lǐng)域,圖像配準(zhǔn)則是專門針對(duì)這些圖像數(shù)據(jù)進(jìn)行處理研究的技術(shù)。本文主要研究的是基于互信息的醫(yī)學(xué)圖像配準(zhǔn)技術(shù),詳細(xì)概括和分析了圖像配準(zhǔn)技術(shù)的基本過(guò)程,基本分類等內(nèi)

2、容,特別是就該技術(shù)中涉及的算法的原理,算法步驟和算法實(shí)現(xiàn)進(jìn)行深入的研究,并對(duì)該技術(shù)中的主要算法進(jìn)行優(yōu)化改進(jìn)。
　　(1)在本文中提出了一種改進(jìn)后的基于多小波閾值的去噪算法,在原有算法選用一個(gè)閾值的基礎(chǔ)上提出采用兩個(gè)閾值的方法,定義了一種新的差分斜坡閾值函數(shù)并將其成功的運(yùn)用于基于多小波閾值去噪算法中實(shí)現(xiàn)了對(duì)原算法進(jìn)行改進(jìn),最后通過(guò)實(shí)驗(yàn)仿真證實(shí)本文改進(jìn)后的算法的圖像去噪效果更佳。
　　(2)圖像噪聲信息去除后,本文采用對(duì)圖像輪廓

3、先進(jìn)行粗配準(zhǔn),從中獲得圖像優(yōu)化算法的大致搜索范圍,最后進(jìn)行基于互信息的圖像精細(xì)配準(zhǔn)。因而成功的提取圖像的邊緣輪廓是非常關(guān)鍵的,本文采用基于小波的圖像邊緣檢測(cè)方法,并與經(jīng)典的邊緣檢測(cè)方法,如基于Roberts算子,Sobel算子,Prewitt算子,Laplace算子,Canny算子的邊緣檢測(cè)方法的邊緣檢測(cè)的效果進(jìn)行比較。實(shí)驗(yàn)證明基于小波的邊緣檢測(cè)算法具有更佳的邊緣檢測(cè)效果。
　　(3)本文還提出了一種改進(jìn)后的自適應(yīng)遺傳算法和改進(jìn)的

4、最優(yōu)保存策略,首先分析了基本遺傳算法的相關(guān)原理和算法的主要步驟,其次針對(duì)于基本遺傳算法的不足之處,給出了一種自適應(yīng)更好的遺傳算法,改進(jìn)后的算法在搜索性能上有所提高,主要是通過(guò)自適應(yīng)的調(diào)整個(gè)體交叉,變異的概率,達(dá)到種群的優(yōu)化,更新,另外采用改進(jìn)后的最優(yōu)保存策略不僅使搜索到的最優(yōu)解更加趨近于全局最優(yōu),而且也使其不易陷入局部的極值點(diǎn)。查找經(jīng)過(guò)一系列操作后的圖像中各個(gè)像素的灰度值,是依據(jù)圖像配準(zhǔn)中插值效果比較好的雙線性插值算法,最終輸出經(jīng)過(guò)配準(zhǔn)