本文關(guān)鍵詞：基于分布估計算法和互信息的醫(yī)學圖像剛性配準算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：圖像配準問題是圖像處理技術(shù)中一個重要課題,同時也是進行圖像融合時首先有待解決的問題,是醫(yī)學圖像分析、遙感圖像分析與目標識別等問題最為基本的組成部分。圖像配準的實質(zhì)就是對待配準圖像進行一系列空間變換之后,計算圖像間的相似性測度,然后通過尋優(yōu)算法在幾何變換空間內(nèi)搜尋對應(yīng)的最優(yōu)空間變換參數(shù)�？萍嫉倪M步導(dǎo)致了眾多模態(tài)傳感器的不斷涌現(xiàn),在獲取圖像技術(shù)迅速提高的同時,不同成像模式的圖像也迅速增多,因此怎樣配準不同模態(tài)的圖像,也隨之成為圖像配準領(lǐng)域的一個需要重點解決的問題,人們期望通過對這些圖像數(shù)據(jù)的配準,盡可能地降低誤差,從而達到提高識別率和精確度的目的。伴隨著對高質(zhì)量圖像的需求越來越高的同時,如何提高圖像配準精度和配準速度的研究也備受關(guān)注。本文以基于互信息、梯度相似以及Copula分布估計優(yōu)化算法的多模圖像剛性配準為核心,對圖像配準中的兩個重要步驟進行討論,并在總結(jié)對比經(jīng)典配準算法優(yōu)勢和不足的基礎(chǔ)上提出了改進的配準優(yōu)化算法。通過學習研究,本文致力于得到一種具有較高精度和穩(wěn)定性的剛性配準算法。首先,針對測度函數(shù)的選取做了詳細介紹,基于互信息的測度函數(shù)由于忽略了圖像空間信息,而導(dǎo)致圖像配準精度下降,而增加梯度信息的測度函數(shù)對于圖像間的梯度相似性考慮不夠全面,因此人們對得到的配準精度還不滿意。本文針對當前梯度相似做了改進,提出一種更加充分考慮圖像間梯度相似性的測度函數(shù),通過實驗數(shù)據(jù)證明了這種測度函數(shù)在進行圖像配準實驗時得到的空間變換參數(shù)相對配準精度更高,也就意味著兩幅待配準圖像對齊的程度更大,原因在于該測度函數(shù)與圖像旋轉(zhuǎn)角度之間的關(guān)系函數(shù)更為光滑,相對出現(xiàn)的局部極值較少,一定程度上避免了尋優(yōu)算法在尋優(yōu)過程中陷入局部極值。然后對本文使用的優(yōu)化算法進行詳細介紹。配準參數(shù)的優(yōu)化搜索是圖像配準過程另一個最重要步驟,對于圖像配準的精度和效率同樣至關(guān)重要。分析了Copula分布估計算法存在的不足之處,發(fā)現(xiàn)當Copula分布估計算法針對高維函數(shù)尋優(yōu)時非參數(shù)估計方法存在的隨機性會導(dǎo)致Copula函數(shù)中參數(shù)的估計出現(xiàn)誤差,從而無法較好的估計出Copula,最終導(dǎo)致尋優(yōu)結(jié)果不理想。針對此缺點本文結(jié)合加權(quán)思想對非參數(shù)估計方法進行了改進,最終得到了改進的優(yōu)化算法。經(jīng)過試驗證明:在圖像配準中,本文提出的配準方法取得了較為理想的效果。
【關(guān)鍵詞】：剛性配準 互信息 梯度相似 Copula分布估計 醫(yī)學圖像
【學位授予單位】：沈陽工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R319;TP391.41
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-12
• 1.1 圖像剛性配準問題的研究背景和意義9
• 1.2 圖像剛性配準問題的發(fā)展現(xiàn)狀9-11
• 1.3 本文的主要工作及安排11-12
• 第2章 圖像剛性配準概述12-25
• 2.1 圖像配準的數(shù)學描述和變換模型12-15
• 2.1.1 圖像配準的數(shù)學描述12
• 2.1.2 空間變換模型12-15
• 2.2 圖像剛性配準的基本步驟15-17
• 2.3 配準方法的分類17-18
• 2.4 Copula分布估計算法概述18-19
• 2.4.1 分布估計算法概述18-19
• 2.4.2 Copula理論19
• 2.5 圖像配準相關(guān)的重要技術(shù)19-24
• 2.5.1 圖像預(yù)處理技術(shù)19-20
• 2.5.2 灰度插值技術(shù)20-24
• 2.6 本章小結(jié)24-25
• 第3章 基于互信息和梯度的圖像配準模型的建立25-30
• 3.1 基于互信息配準模型25-27
• 3.2 基于互信息和梯度的改進配準模型27-29
• 3.2.1 圖像梯度相似理論27-28
• 3.2.2 基于最大互信息與梯度相似的配準模型28-29
• 3.3 本章小結(jié)29-30
• 第4章 基于Copula分布估計算法的改進30-34
• 4.1 基于Copula分布估計配準算法的實現(xiàn)流程30-32
• 4.2 改進Copula分布估計算法32-33
• 4.2.1 Copula函數(shù)參數(shù)的估計方法概述及存在的問題32
• 4.2.2 改進的多維Copula函數(shù)參數(shù)估計方法32-33
• 4.3 本章小結(jié)33-34
• 第5章 基于改進的剛性配準算法的實驗分析34-40
• 5.1 實驗數(shù)據(jù)34-36
• 5.1.1 格拉納達圖像視覺組數(shù)據(jù)34
• 5.1.2 The Whole Brain Atlas數(shù)據(jù)34-36
• 5.2 剛性配準算法的實現(xiàn)36
• 5.3 實驗結(jié)果分析36-39
• 5.4 本章小結(jié)39-40
• 第6章 結(jié)論40-42
• 6.1 總結(jié)40
• 6.2 工作展望40-42
• 參考文獻42-45
• 在學研究成果45-46
• 致謝46

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 朱霞;陳仁文;章飄艷;;改進型文化粒子群在圖像配準中的應(yīng)用[J];計算機應(yīng)用研究;2015年06期

2 許佳佳;張葉;張赫;;基于改進Harris-SIFT算子的快速圖像配準算法[J];電子測量與儀器學報;2015年01期

3 張耀楠;王曉桐;陳傳慎;李宏亮;康雁;;基于形變模型和微分同胚配準的超聲應(yīng)變分析[J];北京生物醫(yī)學工程;2014年03期

4 楊陳晨;顧國華;龔振飛;陳錢;徐富元;;相位相關(guān)紅外圖像配準算法的硬件實現(xiàn)[J];半導(dǎo)體光電;2013年05期

5 湯益先;赫永杰;張紅;王超;;基于FFT平移與相關(guān)分析的多尺度星載SAR自動配準[J];遙感技術(shù)與應(yīng)用;2013年04期

6 杜曉剛;黨建武;王陽萍;劉新國;李莎;;基于螢火蟲算法的互信息醫(yī)學圖像配準[J];計算機科學;2013年07期

7 周鳴;朱振福;;基于互信息和二級搜索的圖像配準[J];微型機與應(yīng)用;2013年09期

8 蔡宗吟;葉秋冬;;一種多特征融合的小波變換圖像配準方法[J];計算機應(yīng)用與軟件;2012年11期

9 盧浩;劉團結(jié);尤紅建;;亞像素級的圖像配準方法[J];國外電子測量技術(shù);2012年04期

10 唐永鶴;陶華敏;盧煥章;胡謀法;;一種基于Harris算子的快速圖像匹配算法[J];武漢大學學報(信息科學版);2012年04期

  本文關(guān)鍵詞：基于分布估計算法和互信息的醫(yī)學圖像剛性配準算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：358016