龙源期刊网 https://www.doczj.com/doc/a46622143.html,
基于特征点的异源图像配准技术及其应用的研究
作者：杨洋
来源：《数字技术与应用》2013年第06期
摘要：本文定义了基于图像特征点的互信息计算公式，提出区域增长结合动态聚类算法的图像特征点提取方法。在使图像特征点互信息最大化完成医学图像配准的过程中，引入人机交互，缩短了优化过程，避免了局部极值。提出的配准策略具备临床实用性，尤其适于缺少灰度信息的医学图像配准。
关键词：医学图像配准图像特征点互信息
中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2013）06-0104-01
1 配准方法
1.1 目标函数
通常，配准算法的策略是，假定两幅待配准的图像分别为M和F，定义一个目标函数
（也称能量函数）E=E（M，T（F））。其中T代表对图像F作空间变换。一般认为，E值的大小代表了图像的配准程度。对于特定的配准任务，图像M和F是确定的，因此E是空间变换T的函数，即E=E（T）。这样，配准问题就转化为寻求一定的空间变换T使E=E（T）取最优值的问题。根据E的定义不同，最优值对应最大或最小值。在定义了E之后，还必须解决一个问题，即如何找到E的最优值，也就是E的优化问题。下面简要介绍图像特征点互信息配准方法中目标函数E的定义。
采用图像特征点互信息作为配准目标函数，具备如下特有的优点：首先，互信息反映的是两个系统间的统计相关性，或者说，代表了系统X中包含的系统Y的信息。在医学图像配准问题中，由于待配准的两幅图像基于共同的解剖信息，因此当两幅图像达到空间位置完全一致时，其中一幅图像表达的关于另一幅图像的信息，也就是对应图像特征点的位置互信息应为最大；其次，对于图像特征点集X（或Y）中特征点的数目多少以及排列先后次序，式（1）没有严格要求。即X和Y中点的数目可以不相等，并且点的编号次序是随机的；再者，式（1）反映的是X和Y的统计特性，因而具备一定的抗噪声能力。
1.2 空间变换