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,往往一種單一的圖像數(shù)據(jù)已經(jīng)不能滿足人們在實際應(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別的效率迅速增加,圖像融合技術(shù)主要應(yīng)用在多個傳感器下獲得的圖像處理領(lǐng)域,圖像配準(zhǔn)則是專門針對這些圖像數(shù)據(jù)進行處理研究的技術(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,算法步驟和算法實現(xiàn)進行深入的研究,并對該技術(shù)中的主要算法進行優(yōu)化改進。
　　(1)在本文中提出了一種改進后的基于多小波閾值的去噪算法,在原有算法選用一個閾值的基礎(chǔ)上提出采用兩個閾值的方法,定義了一種新的差分斜坡閾值函數(shù)并將其成功的運用于基于多小波閾值去噪算法中實現(xiàn)了對原算法進行改進,最后通過實驗仿真證實本文改進后的算法的圖像去噪效果更佳。
　　(2)圖像噪聲信息去除后,本文采用對圖像輪廓

3、先進行粗配準(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方法,并與經(jīng)典的邊緣檢測方法,如基于Roberts算子,Sobel算子,Prewitt算子,Laplace算子,Canny算子的邊緣檢測方法的邊緣檢測的效果進行比較。實驗證明基于小波的邊緣檢測算法具有更佳的邊緣檢測效果。
　　(3)本文還提出了一種改進后的自適應(yīng)遺傳算法和改進的

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,改進后的算法在搜索性能上有所提高,主要是通過自適應(yīng)的調(diào)整個體交叉,變異的概率,達到種群的優(yōu)化,更新,另外采用改進后的最優(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。查找經(jīng)過一系列操作后的圖像中各個像素的灰度值,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)過配準(zhǔn)