导读:本文包含了互信息图像配准论文开题报告文献综述及选题提纲参考文献，主要关键词:归一化互信息,遗传算法,Powell算法,图像配准
互信息图像配准论文文献综述
金闳奇,简川霞,赵荣丽[1]（2018）在《基于互信息和混合算法的印刷图像配准》一文中研究指出目的为了提高印刷图像配准的精度,提出一种基于混合搜索算法的图像配准方法。方法首先求取图像的归一化互信息,然后利用GA算法(遗传算法)进行全局搜索,得出粗配准参数;最后,利用Powell算法进行局部寻优,得出精配准参数。结果混合算法的配准结果与只用单一Powell搜索算法或只用单一GA搜索算法相比,在各个几何变换方向上得到了更小的配准误差。结论与GA算法和Powell算法相比,文中建议的混合算法配准精确度更高、速度更快。(本文来源于《包装工程》期刊2018年13期）
金闳奇,简川霞,赵荣丽[2]（2018）在《基于梯度与归一化互信息的印刷图像配准》一文中研究指出目的为了提高印刷图像配准的精度。方法提出一种基于梯度和归一化互信息的印刷图像配准方法。首先获取图像的归一化互信息,同时使用边缘检测算子获取图像边缘梯度的模值和方向角,然后根据边缘梯度信息和归一化互信息构造新的测度函数,以新的测度函数为目标函数,用Powell优化算法获取用于配准的最优参数。结果通过将文中提出的方法和基于归一化互信息的图像配准方法分别用于印刷图像配准,得到的统计实验结果表明,对于100项随机配准参数,新方法得出的配准误差波动幅度更小,配准精度更高。结论文中所提方法在准确性上优于基于归一化互信息的图像配准方法。(本文来源于《包装工程》期刊2018年09期）
魏本征,甘洁,尹义龙[3]（2018）在《基于边缘特征点互信息熵的医学图像配准方法》一文中研究指出基于互信息熵的图像配准方法已经被广泛应用于医学图像配准中,为克服互信息配准方法的不足,结合图像空间结构信息,本文提出一种基于边缘特征点互信息熵的医学图像配准方法,设计了包括互信息熵、图像空间结构和形状特征点等多信息融合的配准新测度。算法首先采用改进的形态学梯度提取医学图像边缘轮廓;然后构造了以边缘区域特征和梯度信息为基础的特征点互信息能量函数,并通过最小化能量函数来获取配准参数;最后,结合梯度下降法优化策略,实现图像配准。实验研究表明,该方法在保证了配准精度的同时,配准速度较快、鲁棒性较好、综合性能优良,具有一定的临床推广价值。(本文来源于《数据采集与处理》期刊2018年02期）
丁敏[4]（2017）在《基于互信息相关比的多模态医学图像配准算法的研究》一文中研究指出医学图像配准技术是医学图像处理的重要组成部分,配准通过将不同医学图像的信息进行融合比对,在临床诊断、外科手术导航、手术规划及术后评估等方面起到非常重要的作用。尤其是随着医学影像技术的飞速发展,多模态医学图像配准在临床的很多应用上发挥着非常重要的作用,所以对多模态医学图像配准算法的研究具有重要的理论意义和临床价值。本文主要研究多模态医学图像的弹性配准方法,对图像预处理、测度函数、优化算法、正则化技术等方面涉及到的算法展开系统的研究,在配准精度、配准时间以及算法的精确度方面进行分析。本文的工作主要包括以下几个方面:(1)针对光学相关断层图像图像中存在的散斑噪声,对各向异性扩散滤波器、小波变换、双边滤波器这叁种去噪方法做了详细的介绍,并进行了算法的实验验证,叁种去噪方法均可以得到比较好的去噪效果,其中双边滤波器的去噪效果最好,既去除了噪声又保留了图像边缘信息。(2)互信息是多模配准中最常用的测度函数,但是它只考虑图像灰度级之间的对应关系,忽略了图像灰度值之间的映射关系,针对这个问题,利用在互信息相关比的混合测度,结合B样条FFD形变模型和改进的随机梯度优化算法所搭建的配准框架,在临床数据上通过和其他的两种算法进行对比实验,证明了该算法配准时间更少,配准精度更高。(3)空间正则化在图像非刚性配准中十分关键,它能够避免不真实的位移场并防止优化过程陷入局部极值。传统的正则化方法目的是寻求一个全局平滑且连续的位移场,但是胸腹部器官在进行呼吸运动时在器官边界出会存在不连续的位移场,针对这个问题,本文采用全变分作为目标函数的正则项来保留边界不连续位移场,并将其成功的应用在叁维公开数据集和多模临床数据上。公共数据集上的目标配准误差减小到了 1.27mm,比其他的对比算法提高了 15%到30%;临床数据的实验结果证明全变分在保留边界不连续位移场的同时提高了配准精度。(本文来源于《南京理工大学》期刊2017-12-01）
张莉,李彬,田联房,李祥霞[5]（2017）在《基于局部结构张量-互信息的多模态图像配准》一文中研究指出互信息测度仅考虑了图像全局一致的灰度统计特性而忽略了空间结构信息和图像灰度统计的局部性特点.为克服以上缺点,提出了一种基于局部结构张量-互信息新测度的配准方法.所提出的新测度充分考虑了图像邻域的结构信息,将结构越强的位置赋予较大的度量值,使得全局极值的区别性加强,减少了配准过程中陷入局部极值的风险,提高了配准成功率,增强了配准的鲁棒性.采用模拟脑图像和临床图像进行了配准试验,结果表明,与基于互信息和局部互信息的配准方法相比,该方法配准成功率平均提高了50%以上,配准鲁棒性显着增强.(本文来源于《华南理工大学学报(自然科学版)》期刊2017年07期）
汪军[6]（2017）在《基于B样条和互信息的非刚性医学图像配准的研究与应用》一文中研究指出图像配准技术发展到今天也不过叁十多年的历史,由于计算机硬件与医学成像技术突飞猛进的发展,不断地涌现出许多信息各异的医学图像,为临床诊断提供了丰富的资料。由于各种医疗仪器的成像原理不同,导致提供的医学信息也就大不相同,然而单模态图像为医生的临床诊断提供的都是零散片面的信息,要想得到更全面完整且互补的图像信息,就必须将携带各种不同类型信息的多种模态图像融合在一起,以便医生做出更准确可靠的诊断。当前国内外在刚性配准领域的技术已经成熟,但事实上人体器官组织通常都存在各种复杂的非线性形变,只有非刚性配准才能满足这方面要求。因此,医学图像非刚性配准在临床治疗上尤为关键,具有十分重要的现实应用意义,必将成为未来医学数字技术的热点。本文主要研究非刚性图像配准关键技术的两大模块,一是反映两幅图像之间空间关系的变换模型,一是度量两幅图像是否达到完全配准的相似性测度。具体的研究内容有以下几个方面:(1)研究了配准的整个框架、流程及具体步骤,详细归纳并整理总结了图像配准中的空间变换、灰度插值、相似性测度和优化算法四大关键技术,重点阐述了样条函数模型、LBFGS优化算法的搜索原理以及基于空间变换和物理模型的非刚性图像配准方法。(2)针对存在非线性形变的图像,采用B样条变换可以很好地拟合图像间的不规则形变,直观上看可以得到较佳的配准效果;针对B样条控制网格间距的选取具有随机性,无法很好地权衡配准精度与效率的问题,提出了基于多层次B样条变换模型的医学图像非刚性配准方法;针对多层次B样条的均匀形变场无法很好地模拟图像局部区域大形变的问题,提出了基于局部区域多层次B样条变换模型的非刚性配准方法。(3)互信息的测度在配准前不用进行任何特征提取、检测、分割等预处理操作,仅需计算两幅图像各自信息熵和联合信息熵,确实简单方便易行,但也正因如此忽略了图像本身存在的任何空间信息,影响了配准结果的精度与鲁棒性,因此本文引进一种把图像本身信息置于很高地位的局部互信息概念,详细地分析了局部互信息的原理、计算方法与步骤,并提出了基于局部互信息的图像配准方法,进行了对比仿真实验,结果表明,提出的方案有效的提高了配准的精确性和鲁棒性,但也存在时间代价大的缺陷。(4)进行基于B样条和局部互信息的前列腺图像非刚性配准的应用研究,从总体上阐述使用的配准算法及配准过程的步骤;然后,介绍配准使用的关键主函数框架以及配准用到的图形用户界面;最后,对比试验结果,提出的方案对存在非线性无规则形变的医学图像有很好的配准效果。(本文来源于《太原理工大学》期刊2017-06-01）
郑兵[7]（2017）在《基于体特征点与最大互信息的医学图像配准及其在骨肿瘤手术中的应用》一文中研究指出从不同的医学图像中获取有关疾病综合信息的过程中,图像配准是一种关键技术。图像配准是指对浮动图像进行某种空间变换,使得浮动图像和参考图像的像素点在空间位置上达到一致。在对骨肿瘤患者的术前规划过程中,从CT图像获得骨肿瘤的空间位置,从MRI图像中精确地确定骨肿瘤的形态大小。将CT图像和MRI图像进行配准,便可以精确地界定骨肿瘤在人体组织中的空间位置分布以及形态大小,极大地提高医生实施骨肿瘤手术的精度。如何实现不同图像之间的精确配准,是本文研究的课题。本文面向医学图像配准的要求,提出一种基于体特征点与最大互信息的医学图像配准方法,将图像配准分为基于体可视化技术的体特征点的选择与匹配的初次配准和搜索待配准图像的最大互信息实现图像的二次配准两个部分。本文主要研究内容如下:1)在二维图像配准的过程中,将归一化互信息作为配准的相似性测度,提出基于改进遗传算法和改进Powell算法的最大互信息参数搜索的方法,即采用先粗配准后精配准的模式。将改进遗传算法粗配准搜素结果作为改进的Powell算法精配准搜索的初始点,实现了基于最大互信息的二维图像配准。2)在图像配准的过程中,由于浮动图像和参考图像的像素间距和层间距不同,使得图像在变换的过程中,各个方向上的形变不一致。本文在图像配准前,提出一种数据场归一化的方法。在配准前精确地确定了各方向的缩放系数,使得配准的过程更加准确、快速。3)本文采用了基于面绘制的体可视化技术。体可视化主要应用在体特征点的选取、配准结果可视化以及实际肿瘤切除手术中模型配准的过程中。本文在单序列图像面绘制的基础上,提出多序列图像面绘制的方法,该方法主要针对在图像配准过程中需要导入多个图像序列而设计。4)本文在叁维图像配准的过程中,采用了基于体特征点的初次配准和基于最大互信息的二次配准方案。初次配准是在体可视化的基础上,采用交互式的方式选取体特征点并使对应的特征点匹配,达到体数据场空间初步对齐的目的。二次配准是在初次配准的基础上基于最大互信息的图像精确配准的过程。5)将图像配准应用到实际的股骨肿瘤切除手术中,通过叁维重建得到肿瘤模型、股骨模型,将骨肿瘤模型和股骨模型进行配准后,准确地判断出肿瘤的空间位置和大小形态,提高了肿瘤切除手术的准确性。实验结果表明,基于体特征点和最大互信息的图像配准可以取得很高精度的图像配准效果,对在临床中的实际应用中有着重要的参考价值。(本文来源于《华南理工大学》期刊2017-04-13）
王栋栋[8]（2017）在《基于互信息测度和多分辨策略的医学图像配准研究》一文中研究指出为了充分利用不同模态的医学图像信息,需要对图像进行融合,而融合之前必不可缺的就是图像配准。图像配准是医学图像处理中的关键技术,对医学图像处理技术发展具有十分重要的意义,同时在提高医疗水平方面也发挥着巨大作用。配准过程存在多个环节,处理妥当它们之间的契合度十分重要。相关人员对医学图像配准的各个步骤进行了大量研究,由于不需要提取特征和对图像进行预处理,基于互信息的灰度医学图像配准受到了广泛关注。众多学者积极投入其研究中,越来越多的新的医学图像配准算法在实际生活中得到了实现,配准效果取得较好的精确度果和较强的鲁棒性。图像配准逐渐的成为医学图像处理领域的热点之一。本研究在互信息和多分辨策略的基础上,对前人的研究做出一些改进。本研究所做的工作安排如下:(1)论文系统介绍了医学图像配准的研究背景及意义、概念及配准的基本框架等理论知识,阐述了图像插值、互信息测度和多分辨率策略等内容。(2)针对粒子群算法在图像配准过程中存在易陷入局部极值的缺点,在利用多分辨率策略的基础上,提出改进的粒子群算法。改进的粒子群算法引入自我调节策略和自适应的权重,结合小波变换分解图像形成图像金字塔,在每层图像上使用改进粒子群算法进行优化,前一层的图像配准结果作为下一层图像配准中粒子群算法种群的一个参数,以此来提髙配准结果的精确度,分别通过对脑部MRI与CT以及脑部CT图像与自身变换图像进行配准,配准实验能够取得良好的效果,验证了本算法的有效性。(3)针对Powell算法在图像配准存在局部收敛能力差的问题,提出利用改进的差分算法和Powell算法对图像进行配准。在源图像上进行基于小波变换的图像分解,将源图像分解成叁层结构,对每层使用不同的优化算法进行配准:第一层使用改进的差分算法,后两层使用Powell算法。引入自适应算子的改进差分算法,极大的解决了Powell算法过度依赖初始点的问题。通过真实图像的配准,验证了基于小波分解的多分辨率策略能够加快图像配准的进程,同时也能够获得了良好的配准结果。通过对配准实验结果的分析,在以互信息和多分辨率策略为基础上利用本研究的算法,能够减少配准的时间并取得良好的结果。(本文来源于《江苏大学》期刊2017-04-01）
屈明月[9]（2016）在《基于互信息的肺部PET-CT图像配准》一文中研究指出针对互信息的配准方法忽略了图像的空间信息,同时肺部PET图像和CT图像之间的关联性很小,提出了一种由粗到精的结合空间区域信息和互信息配准方法。实验表明,此方法使PET图像和CT图像的胸腔区域、肺部区域和结节区域得到了有效的匹配。(本文来源于《电脑编程技巧与维护》期刊2016年21期）
史聪文,赵勋杰[10]（2016）在《一种互信息与梯度信息结合的多模图像配准方法》一文中研究指出数字化X射线图像(digital radiography,DR)与数字重建放射图像(digitally reconstructed radiography,DR)属于不同模态图像,实现二者的高精度快速配准是一个技术难题。在实际应用中,往往会同时获取物体的正侧面DR和DRR图像。提出一种基于互信息与梯度信息相结合的配准算法。首先,对正侧面图像进行小波分解,获得低分辨率子图像并配准,使用粒子群优化(particle swarm optimization,PSO)算法进行全局寻优;然后,根据配准结果,判断互信息与梯度信息配准结果是否正确,如果配准错误,则在下一阶段中不使用该结果作为配准依据;最后,以PSO算法寻优结果作为Powell算法的寻优初始点,对原始正侧图像进行精确配准。实验结果显示,本算法快速完成配准,配准精度达到2 mm,满足实际应用要求。(本文来源于《光电技术应用》期刊2016年04期）
互信息图像配准论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的为了提高印刷图像配准的精度。方法提出一种基于梯度和归一化互信息的印刷图像配准方法。首先获取图像的归一化互信息,同时使用边缘检测算子获取图像边缘梯度的模值和方向角,然后根据边缘梯度信息和归一化互信息构造新的测度函数,以新的测度函数为目标函数,用Powell优化算法获取用于配准的最优参数。结果通过将文中提出的方法和基于归一化互信息的图像配准方法分别用于印刷图像配准,得到的统计实验结果表明,对于100项随机配准参数,新方法得出的配准误差波动幅度更小,配准精度更高。结论文中所提方法在准确性上优于基于归一化互信息的图像配准方法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
互信息图像配准论文参考文献
[1].金闳奇,简川霞,赵荣丽.基于互信息和混合算法的印刷图像配准[J].包装工程.2018
[2].金闳奇,简川霞,赵荣丽.基于梯度与归一化互信息的印刷图像配准[J].包装工程.2018
[3].魏本征,甘洁,尹义龙.基于边缘特征点互信息熵的医学图像配准方法[J].数据采集与处理.2018
[4].丁敏.基于互信息相关比的多模态医学图像配准算法的研究[D].南京理工大学.2017
[5].张莉,李彬,田联房,李祥霞.基于局部结构张量-互信息的多模态图像配准[J].华南理工大学学报(自然科学版).2017
[6].汪军.基于B样条和互信息的非刚性医学图像配准的研究与应用[D].太原理工大学.2017
[7].郑兵.基于体特征点与最大互信息的医学图像配准及其在骨肿瘤手术中的应用[D].华南理工大学.2017
[8].王栋栋.基于互信息测度和多分辨策略的医学图像配准研究[D].江苏大学.2017
[9].屈明月.基于互信息的肺部PET-CT图像配准[J].电脑编程技巧与维护.2016
[10].史聪文,赵勋杰.一种互信息与梯度信息结合的多模图像配准方法[J].光电技术应用.2016