基于雙特征結合的彈性模型醫(yī)學圖像非剛性配準方法研究.pdf

1、醫(yī)學圖像配準的主要目的是將不同時間、不同視場、不同成像模式的兩幅或多幅圖像進行空間幾何變換，以使代表相同解剖結構的像素或體素在幾何上能夠匹配對應起來。在配準過程中，盡量兼顧自動化程度高、魯棒性強、適應性好、速度快、精度高等各項指標。
　　基于特征的圖像配準方法是目前圖像配準最常用的方法之一，其最大的優(yōu)點在于能夠將對整個圖像進行的各種分析轉化為對圖像特征（特征點、特征曲線等）的分析，從而大大減小了圖像處理過程的運算量。而特征提取的準

2、確程度和定位的精確將對整個配準過程產生很大的影響。本文對現有的特征提取方法進行了分析，重點研究了點的特征提取方法和輪廓的特征提取方法，提出了一種新的圖像配準方法，即Harris角點提取法和LOG算子輪廓提取法相結合的特征提取法。先用Harris角點提取法提取圖像角點，并增加其灰度值，再用LOG算子邊緣提取法提取輪廓，之后對所提特征進行自競化。
　　研究了B樣條彈性變換模型，提出了基于雙特征結合的彈性模型醫(yī)學圖像非剛性配準方法。采用

3、高質量的擬三次B樣條型混合插值樣條作插值函數，用Hausdorff距離作為測度，用粒子群優(yōu)化算法優(yōu)化配準過程，并給出了本文算法的配準流程。
　　開發(fā)了基于OpenCV平臺的圖像配準程序，實現了本文提出的非剛性醫(yī)學圖像配準算法。用該算法對CT、MRI、PET圖像的同模和多模之間做了大量實驗分析。分別用相關系數，最小均方誤差，歸一化互信息，信噪比等評價指標對實驗的配準效果進行了客觀評價。
　　從客觀評價結果來看，本文的方法配準精