基于互信息的多光谱图像配准

基于互信息的多光谱图像配准

ID:33504669

大小:173.95 KB

页数:5页

时间:2019-02-26

基于互信息的多光谱图像配准_第1页
基于互信息的多光谱图像配准_第2页
基于互信息的多光谱图像配准_第3页
基于互信息的多光谱图像配准_第4页
基于互信息的多光谱图像配准_第5页
资源描述:

《基于互信息的多光谱图像配准》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、维普资讯http://www.cqvip.com山东生物医学工程ShandongJournalofBiomedicalEngineering基于互信息的多光谱图像配准倪东鲍旭东罗立民周光泉(东南大学生物科学与医学工程系,南京210096)摘要研究了多模态医学图像配准的一种,即多光谱图像的配准,分析了该配准存在的困难:运算量巨大,速度较慢,占用内存多,提出了用palT~n窗口函数来估计概率密度,以及用样本平均来估if'M;在搜索策略上采用了快速有效的模拟退火算法。实验证明,本文的方法很好地解决了多模态配准中存在的问题,能够快速稳定地实现多光谱图像的配准。关键词医学图像配准互

2、信息多光谱模拟退火算法中图分类号R318文献标识码A文章编号1006—4915(2003)O1—0008—05MultispectralImageRegistrationBasedonMutualInformationNiDongBaoXudongLuoLiminZhouGuangquan(Dept.ofBiologyandMedicalEngineering,SoutheastUniversity,Nanjing,210096)AbstractRegistrationofmulti—spectrumimagewasstudied.Tosolvetheproblemint

3、hiskindofregistration,weprop~dtoapproximatetheunderlyingprobabilitydensitybyusingParzenWindowdensityestimationandestimationentropiesbyasampleme&r1.Simulatedannealingsearchingmethodwasused,whichWaSfastandrobust.Ourexperimentsillustratethatthemethodusedinthisstudycanalignmulti—spectrumimage

4、quicklyandstably.KeywoldsMedicalimageregistrationMutualinformationMulti——spectrumSimulatedannealingalgorithm一些独立的研究已经显示了互信息作为一种多模态医学图像配准方法的适应性L3.4J。在一个叫1引言“回顾性配准算法评估”项目的国际研究中,分别研究了CT和PET脑图像和核磁共振(MR)图像的配医学图像配准技术是90年代才发展起来的医准,并把互信息配准的结果和采用标志点方法的配学图像处理的一个重要分支,医学图像的配准包括准结果,即所谓的金标准L5j相比较,说明了基于

5、互不同成像设备成像的配准,即多模态图像,以及相同信息的配准方法是一种十分精确的方法。成像条件下不同对象成像的配准。临床上,通常需但是在多模态医学图像配准中仍然存在一些问要将同一个病人的多种模式成像结果结合起来进行题,特别是在多光谱图像配准的时候,由于多光谱图分析,以提高医学诊断和治疗的水平,因此,多模态像的特殊性,使得配准运算量大,占用内存多。本文医学图像配准具有重要的临床意义。提出了用parzen窗口函数来估计样本的概率密度,在多模态图像配准问题中,目前国际上用的较用样本平均来估计熵,很好的解决了问题。多的是AIR法(AutomaticImageRegistration

6、)、准标法(FiducialMarks)和双模板变换法⋯1。最近,最大2方法互信息法又倍受推崇和关注。互信息是一个自动的,基于密度的方法,不需要定义标志点或者特征,2.1基于互信息的图像配准比如表面特征等。而且,互信息能够很好的应用于互信息是信息理论中的一个基本概念,用来衡多模态图像的配准,不像基于灰度值联系或差异的量两个随机变量之间的相关性与独立不相关时的差方法,互信息没有假设图像中灰度值的线形关距。系[2j其中互信息I(T)表达式如下:作者简介:倪东,(1977年一)男,生物医学工程专业在读硕士研究生维普资讯http://www.cqvip.com第1期倪东等,基于互

7、信息的多光谱图像配准9j(T)=j(A(z),B(T(z)))p(z)≈(z)(一)(6)熵是不确定性,变异和复杂度的测度,可用来表其中,NA是样本A的样本点的个数,R是窗口示互信息:j(A(z),B(T(z))=H(A(z))+函数,其积分为1。pN(z)就是大家所知的parzenH(B(T(z))一H(A(z),B(T(z))(1)窗口密度估计函数。在后面的分析中,我们假设窗口函数是高斯密度函数。这种假设将会简化我们后H(●)是随机变量的熵,定义为:面的分析,但是不是必须的!其它不同的函数也可H(z)=一lP(z)In(P

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。