醫(yī)學(xué)圖像的非剛體配準(zhǔn)方法研究.pdf

1、通俗地講，圖像配準(zhǔn)就是將兩幅或多幅圖像中的相似內(nèi)容進(jìn)行對齊。醫(yī)學(xué)圖像配準(zhǔn)技術(shù)是醫(yī)學(xué)圖像處理領(lǐng)域的重要研究方向之一，是很多其他圖像處理方法的重要準(zhǔn)備，如信息融合，圖像分割以及特征標(biāo)識(shí)等。隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展以及計(jì)算輔助診斷需求的逐漸增多，配準(zhǔn)技術(shù)也進(jìn)行著快速的演化，從簡單的剛體配準(zhǔn)向復(fù)雜的非剛體配準(zhǔn)發(fā)展。本文主要針對兩類非剛體配準(zhǔn)方法——基于特征的配準(zhǔn)和基于像素的配準(zhǔn)進(jìn)行研究，提出了幾種改進(jìn)算法，主要包括：基于距離圖和分級配準(zhǔn)策略的人

2、腦MR圖像配準(zhǔn)方法，基于B樣條插值函數(shù)和拉格朗日乘數(shù)法的快速點(diǎn)配準(zhǔn)算法，以及一種新的快速粘性流體模型配準(zhǔn)算法。 基于特征的圖像配準(zhǔn)方法首先需要針對特征進(jìn)行配準(zhǔn)。當(dāng)使用邊界輪廓點(diǎn)集作為特征描述時(shí)，特征配準(zhǔn)就是在點(diǎn)集間建立對應(yīng)關(guān)系。對應(yīng)關(guān)系的好壞直接決定著最終圖像配準(zhǔn)結(jié)果的好壞。本文提出了一種基于距離圖以及分級配準(zhǔn)策略的人腦MR圖像非剛體配準(zhǔn)算法。首先利用C-V模型對圖像進(jìn)行邊界提取，并對提取所得曲線進(jìn)行篩選以剔除無用信息。接著使用

3、先整體再局部的分級配準(zhǔn)策略，來消除曲線間的初始位置偏差。然后使用距離圖來隱式表達(dá)目標(biāo)輪廓曲線，以方便對應(yīng)關(guān)系的建立過程。最后基于對應(yīng)特征點(diǎn)集求解出合適的空間變換模型，并將該模型應(yīng)用于圖像的全局空間，以實(shí)現(xiàn)圖像的配準(zhǔn)。實(shí)驗(yàn)結(jié)果證明分級配準(zhǔn)策略有助于獲得較好的對應(yīng)特征點(diǎn)集，且能夠滿足初始偏差較大的配準(zhǔn)需求。 基于薄板樣條函數(shù)的魯棒點(diǎn)配準(zhǔn)算法(Thin-plate Spline Robust Points Matching，簡稱TPS

4、-RPM)是由Chui等提出的一種非剛體點(diǎn)配準(zhǔn)算法。該算法能夠針對數(shù)量不等的點(diǎn)集進(jìn)行配準(zhǔn)，但在點(diǎn)數(shù)較多的場合中，薄板樣條函數(shù)的計(jì)算速度會(huì)大大減慢。本文提出了兩種基于B樣條函數(shù)的快速點(diǎn)配準(zhǔn)算法。第一種算法使用QR分解方法進(jìn)行B樣條插值系數(shù)的快速求解，并將多分辨率策略引入到點(diǎn)集的表達(dá)之中，大大提升了算法的計(jì)算速度。因?yàn)辄c(diǎn)配準(zhǔn)問題可以視為有約束優(yōu)化問題進(jìn)行求解，因此我們設(shè)計(jì)了一種基于拉格朗日乘數(shù)法的點(diǎn)配準(zhǔn)方法，使用交替迭代的過程來逼近配準(zhǔn)問題

5、的局部最優(yōu)解。一系列對比實(shí)驗(yàn)證明，在達(dá)到同樣配準(zhǔn)精度的前提下，新的算法都遠(yuǎn)快于原有算法。 基于粘滯流體模型的非剛體配準(zhǔn)算法是一種適合個(gè)體差異較大配準(zhǔn)場合的方法。其關(guān)鍵步驟為求解偏微分運(yùn)動(dòng)方程組，但原始算法中采用直接離散結(jié)合同步超松弛(SOR)的方法相當(dāng)耗時(shí)。為了縮短求解時(shí)間，我們提出一種基于粘滯流體B樣條模型的快速方法。首先利用B樣條對速度場進(jìn)行建模，將方程組未知量轉(zhuǎn)為B樣條系數(shù)，從而減少了未知量的個(gè)數(shù)，降低了計(jì)算負(fù)擔(dān)：接著利用