果的影响。目前,虽然提出了许多种方法,但还没有种非常有效的方法。产生局部极大值主要有两个原因是两幅图像本身存在较好的为精确,而且对于小的空间变换,增量,互信息的变化会更平滑,同时优化过程中的局部极值问题也会有所缓解。文献讨论了包括最近邻居法线性插值法插值法在内的几种插值算法,比较了各自的优缺点。文献详细分析了线性插值法和插值法产生局部极值的原因,其实验结果表明,非网格点上的插值操作造成的直方图分散甚至比在位移更大的整数平移点上由于失息有更强的稳健型。插值运算在般情况下,图像经过几何变换后,像素的坐标不会和原来的采样网格完全重合,像素的灰度值也需要重新计算,这就需要对变换后的图像进行重采样和插值处理。常用的插值算法有最近邻域法线性插值法和线性部分体积分布用于医学图像配准中,由于两幅图像重叠部分的大小对互信息的度量有很大影响,重叠部分减小,参与统计互信息的像素个数减小导致互信息值减小,互信息与两个图像重叠部分多少成正比,其次等指出误配数量增加可能导致互信息值增大。因此互信息值达到最大并不能保证得到正确的配准结果。为了解决这个问题,使目标函数能更加准确反映互信息量和配医学图像学技术的新改革发展论文原稿先将整幅图像分成个子块,分别计算整幅图像和个子块的互信息,并假定当整幅幅像互信息达到最大时,子块图像也应达到最大。等同时利用个不同窗口尺寸的直方图计算的互信息来求解变换参数。采用多分辨率方法是种克服局部极值的种有效方法。优化速度加速策略多分辨率策略除了能够避免出现局部极大值外,还能提高算法执行速度。配准按照从粗到精的质是配准函数优化问题,但是,配准函数经常不是光滑的,存在许多局部极大值,给求解带来很大难度。医学图像学技术的新改革发展论文原稿。产生局部极大值主要有两个原因是两幅图像本身存在较好的局部匹配是在运算过程中产生的,如插值运算图像重叠部分的改变都有可能产生局部极值。避免局部极值的常用方法有采用插值方法图像先滤波减少噪声以及增大灰度直等采用和遗传算法混合方法。和用多分辨率技术扩展了算法。尽管爬山法是种最简单的优化方法,但是它在多分辨率策略中有较好的效果,随着图像分辨率的增加,爬山法搜索步长逐渐减小。其他常规的算法如梯度上升法法模拟退火法等也得到应用。为了提高配准函数全局最优值的搜索能力,等人工介入,且配准精度受特征点面提取精度的限制基于像素相似性的方法是基于图像中所有体素的配准方法,不需要对图像做预处理。近年来,引入了信息论中的些概念,如联合熵相对熵和互信息,精度较高,可以达到亚像素级,已成为医学图像配准很重要的方法。互信息是信息论中的个基本概念,是两个随机变量统计相关性的测度,当两幅图像基于共同解剖结构的图像达到多局部极大值,给求解带来很大难度。医学图像学技术的新改革发展论文原稿。医学图像配准,即通过寻找种空间变换,使两幅图像的对应点达到空间位置和解剖位置的完全致,配准的结果应使两幅图像上所有解剖点或至少是所有具有诊断意义上的点都达到匹配。医学图像配准方法基本上可分为前瞻性和回溯性两种。前瞻性配准是基于外部特征的图像配准有框架,它是利用外部最佳配准时,它们对应像素的灰度互信息应达到最大。由于该测度不需要对不同成像模式下图像灰度间的关系作任何假设,也不需要对图像进行分割或任何预处理,所以被广泛地用于多种医学图像配准,特别是当其中个图像的数据部分缺损时也能得到很好的配准效果。摘要图像配准在本质上是个多参数优化问题,即寻找互信息达到最大时的几个空间变换参数值。因此,配准问题利用互信息配准常用方法互信息的计算是最为关键的问题,计算结果对配准精度有很大的影响。主要体现在插值运算优化算法及提高配准速度等个方面。和研究了采用不同的优化算法插值方法直方图及多尺度逼近方法对配准结果的影响。目前,虽然提出了许多种方法,但还没有种非常有效的方法。产生局部极大值主要有两个原因是两幅图像本身存在较好的的度量有很大影响,重叠部分减小,参与统计互信息的像素个数减小导致互信息值减小,互信息与两个图像重叠部分多少成正比,其次等指出误配数量增加可能导致互信息值增大。因此互信息值达到最大并不能保证得到正确的配准结果。为了解决这个问题,使目标函数能更加准确反映互信息量和配准参数之间的关系,等提出了个归化互信略是降低运算时间种最有效的方式。最近提出的主要加速策略有基于轮廓特征点的互信息配准方法,先用小波变换或其它边缘检测算子求出两幅幅图像的轮廓信息,利用聚类分析法求出轮廓特征点,再求出特征点对的互信息等提出联合互信息和梯度信息作为图像配准的新标准,该算法不仅利用了图像的灰度信息,而且还利用了图像的空间信息梯度信息,实验表明方图窗口尺寸等方法。利用互信息配准常用方法互信息的计算是最为关键的问题,计算结果对配准精度有很大的影响。主要体现在插值运算优化算法及提高配准速度等个方面。和研究了采用不同的优化算法插值方法直方图及多尺度逼近方法对配准结果的影响。目前,虽然提出了许多种方法,但还没有种非常有效的方法。归化互信息尽管互信息测度成功地应最佳配准时,它们对应像素的灰度互信息应达到最大。由于该测度不需要对不同成像模式下图像灰度间的关系作任何假设,也不需要对图像进行分割或任何预处理,所以被广泛地用于多种医学图像配准,特别是当其中个图像的数据部分缺损时也能得到很好的配准效果。摘要图像配准在本质上是个多参数优化问题,即寻找互信息达到最大时的几个空间变换参数值。因此,配准问题先将整幅图像分成个子块,分别计算整幅图像和个子块的互信息,并假定当整幅幅像互信息达到最大时,子块图像也应达到最大。等同时利用个不同窗口尺寸的直方图计算的互信息来求解变换参数。采用多分辨率方法是种克服局部极值的种有效方法。优化速度加速策略多分辨率策略除了能够避免出现局部极大值外,还能提高算法执行速度。配准按照从粗到精的息的速度,在每维内使用算法迭代搜索和估计配准参数,从而使互信息不断增加。实践表明优化算法很容易受到局部极值的干扰。另个常用的方法是单纯形算法,该方法也不要求计算梯度,与算法只考虑单变量相反,它同时考虑所有变量但是该方法收敛速度不确定。等使用和单纯形混合算法。医学图像学技术的新改革发展论文原稿息测度,归化互信息使配准函数更平滑,它能减少对图像重叠部分敏感性,配准精度更高。等利用熵相关系数作为另种归化相关系数。和有如下关系表示式近年来归化互信息被许多学者广泛应用,实践证明,在刚性配准中,归化互信息比传统互信息有更强的稳健型。医学图像学技术的新改革发展论文原先将整幅图像分成个子块,分别计算整幅图像和个子块的互信息,并假定当整幅幅像互信息达到最大时,子块图像也应达到最大。等同时利用个不同窗口尺寸的直方图计算的互信息来求解变换参数。采用多分辨率方法是种克服局部极值的种有效方法。优化速度加速策略多分辨率策略除了能够避免出现局部极大值外,还能提高算法执行速度。配准按照从粗到精的相似性测度,如何实现不同模态图像间互信息的最大化到目前为止还没有套完全成熟的方法,选取什么样的优化策略如何避免局部极值如何提高优化速度如何将互信息概念与其他概念结合起来形成个更稳健的测度怎样将互信息应用到非刚性变换中等等问题均需要我们继续深入研究归化互信息尽管互信息测度成功地应用于医学图像配准中,由于两幅图像重叠部分的大小对互信定程度下抑制了局部极值的产生。文献提出带扰动采样的最近邻居法,网格点扰动后该坐标位置的灰度值由最近邻居法确定,达到抑制局部极值的目的。优化策略由于局部极大值的存在,优化算法的选取对配准结果有较大的影响,尤其对初始变换的鲁棒性有很大影响。另个关键问题是优化过程中参数,该方法比采用传统互信息或归化互信息结果更准确,还能避免产生不正确的全局极大值以及由于插值产生的局部极大值。结束语近几年来,将信息论的互信息概念引入到医学图像配准中取得了很大进展。由于该方法不需要对图像进行预处理其精度高适应性强自动化程度高,能使多模态图像的配准精度达到亚像素精度,因而在医学图像配准中得到广泛应用。然而,互信息只是个最佳配准时,它们对应像素的灰度互信息应达到最大。由于该测度不需要对不同成像模式下图像灰度间的关系作任何假设,也不需要对图像进行分割或任何预处理,所以被广泛地用于多种医学图像配准,特别是当其中个图像的数据部分缺损时也能得到很好的配准效果。摘要图像配准在本质上是个多参数优化问题,即寻找互信息达到最大时的几个空间变换参数值。因此,配准问题方式执行,在低分辨率下利用较少的时间进行初配,在高分辨率下精配需要花销较多的时间。等对多种优化算法在不同的分辨率情况下结果进行了详细比较。般情况下,多分辨率策略分为增加模型复杂度方法和增加数据复杂度方法,多分辨率策略经常采用高斯金字塔方式。多分辨率策略提高了运行速度增加了鲁棒性,不影响配准正确性。对于高分辨率图像采用多分辨率等采用和遗传算法混合方法。和用多分辨率技术扩展了算法。尽管爬山法是种最简单的优化方法,但是它在多分辨率策略中有较好的效果,随着图像分辨率的增加,爬山法搜索步长逐渐减小。其他常规的算法如梯度上升法法模拟退火法等也得到应用。为了提高配准函数全局最优值的搜索能力,等的局部匹配是在运算过程中产生的,如插值运算图像重叠部分的改变都有可能产生局部极值。避免局部极值的常用方法有采用插值方法图像先滤波减少噪声以及增大灰度直方图窗口尺寸等方法。摘要图像配准在本质上是个多参数优化问题,即寻找互信息达到最大时的几个空间变换参数值。因此,配准问题实质是配准函数优化问题,但是,配准函数经常不是光滑的,存在许变量的合适取值范围。优化过程中得到的值可能不是搜索空间中全局极大值,而是部分搜索空间中局部极大值。初始值偏离搜索区间太大很