基于结构信息与区域互信息的多模医学图像配准

摘要

随着科学技术的快速发展，多种传感器被应用于各大领域，这使得医学成像技术也得到了稳健的发展。现用于医学图像成像的技术有CT、MR、X射线、超声波等等，每种成像技术所获取的图像都有它们各自的特点。而随着医学技术发展的需要，单一模态的医学图像提供的数据简单，往往不能准确地反映病灶特征，不能够提供足够的数据来帮助医生做出更好的诊断。因此，融合多模图像的特征来帮助医生诊断病情成为研究的一个重要问题。但是多模图像融合的前提是多模图像进行配准，所以获取精准的配准结果尤为重要。
　　图像配准方法大致可以划分为三大类：一是基于灰度信息法，二是基于特征法，三是基于变换域法。基于灰度信息法一般不需要对图像做预处理，实现过程比较简单。基于特征的方法在配准前需对图像做预处理，提取图像的特征，再根据图像之间的特征来匹配。基于变换域的图像配准是在频域内完成的。但由于多模图像的侧重点不同，容易造成误配的结果。多模图像的同一部位所得到的图像结构信息是一致的，提取精确的图像特征对多模图像配准很重要，因此本文的重点是结合图像的结构信息完成配准。本文的研究工作依次分为如下几个部分：
　　首先，提取图像的相位一致性图像，相位一致性其实是图像特征检测的一种方法，对图像先做傅里叶变换，然后把傅里叶分量相位最一致的点当作图像的特征，该方法可以得到较为完整的图像特征。
　　其次，获取图像的梯度幅值图像，并且将相位一致性图像和梯度幅值图像合理的融合在一起，这样就得到了较为完整的结构信息图像。
　　最后，采取区域互信息的配准方法来配准，遗传算法实现优化，该方法不但利用到了图像的结构特征，而且还结合了图像的灰度信息，使得配准的结果更准确，更有效，稳定性也更好。
　　通过实验验证，基于相位一致性原理提取图像特征不受噪声、光照和对比度等因素影响。通过相位一致性图像和梯度幅值相结合得到的图像结构信息清晰，基于图像结构信息和区域互信息的图像配准方法不仅精度高、效率高，而且鲁棒性好。

目录

封面

中文摘要

英文摘要

目录

第1章 绪论

1.1研究背景及意义

1.2国内外研究现状

1.3研究的主要内容

1.4论文内容安排

1.5本章小结

第2章 基于相位一致和梯度幅值的图像检测

2.1图像特征检测

2.2相位一致性原理检测图像特征

2.3相位一致性滤波器

2.4图像的梯度幅值图像

2.5图像的结构信息

2.6本章小结

第3章 基于结构信息和区域互信息的医学图像配准

3.1图像配准理论与方法

3.2医学图像配准技术

3.3基于结构信息与区域互信息的医学图像配准

3.4优化算法

3.5本章小结

第4章 实验结果验证与对比

4.1实验平台说明

4.2实验对比及分析

4.3本章小结

第5章 总结与展望

5.1本文总结

5.2工作展望

参考文献

发表论文和参加科研情况

致谢

声明