[發明專利]基于量子行為粒子群算法的多分辨率醫學圖像配準方法

無效

• 申請號: 200810019451.4
• 申請日: 2008-01-04
• 公開（公告）號: CN101216939A
• 公開（公告）日: 2008-07-09
• 發明（設計）人: 孫俊;須文波;方偉;丁彥蕊;蔡宇杰;柴志雷;朱治軍;陳磊
• 申請（專利權）人: 江南大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T3/00;G06N1/00
• 代理公司: 無錫市大為專利商標事務所
• 代理人: 殷紅梅

技術領域

本發明涉及一種基于量子行為粒子群算法的多分辨率醫學圖像配準方法，具體地說是可以用來解決使用互信息的目標函數存在的諸多局部極值問題，在臨床診斷的圖像判別、放射治療的圖像定位和外科手術的圖像引導等領域有廣泛的應用。

背景技術

在已有技術中，醫學圖像的配準技術是90年代發展起來的醫學圖像處理的一個重要分支，是醫學圖像處理的一項基本任務，對于臨床診斷和治療有重要意義，受到了醫學界和工程界的重視。醫學圖像配準是指對于一幅醫學圖像尋求一種(或一系列)空間變換，使它與另一幅醫學圖像上的對應點達到空間上的一致，這種一致是指人體上的同一解剖點在兩張匹配圖像上有相同的空間位置。配準的結果應使兩幅圖像上所有解剖點，或至少是所有具有診斷意義的點及感興趣的點都達到匹配。醫學圖像配準主要有兩大類方法，基于灰度的方法和基于特征的方法。基于灰度的配準方法直接利用圖像的灰度數據進行配準，從而避免了因分割而帶來的誤差，具有精度較高、魯棒性強、不需要預處理而能實現自動配準，在基于灰度的配準方法中，基于互信息的方法包括互信息和歸一化互信息方法已經被廣泛使用并具有最高的精度。

基于互信息的醫學圖像配準中使用較多的優化算法有Powell法、單純形法、遺傳算法、模擬退火算法、粒子群優化算法等。這些優化算法各有優點，但也存在不足之處。例如Powell法與遺傳算法都是無需求導數的直接優化法，但遺傳算法的收斂速度較慢，而Powell法的優化速度雖然很快，但容易陷入局部最優，而粒子群優化算法雖然收斂快，但由于不是全局優化算法，因此也容易陷入局部最優解。在實際應用中，經常將多種優化算法混合使用，即開始時使用粗略的快速算法，然后使用精確的慢速算法。

發明內容

本發明的目的在于克服上述不足之處，從而提供一種基于量子行為粒子群算法的多分辨率醫學圖像配準方法，解決了基于互信息的目標函數存在許多局部極值從而給配準的優化過程帶來的困難，大大地提高了配準精度和速度，達到了亞像素級，可以應用于臨床診斷、放射治療和圖像引導的外科手術等領域；并且為提高配準過程的速度和精度以及魯棒性，提出了使用多分辨率的方法來進行圖像的配準。

本發明的主要解決方案是這樣實現的：

首先使用種子填充算法去除參考圖像和待配圖像的背景部分；再小波變換得到兩幅低分辨率圖像；然后使用量子行為粒子群算法求解出低分辨率圖像的一組配準參數；最后在低分辨率圖像的一組配準參數基礎上，以高分辨率圖像作為研究對象，使用Powell方法求解出更精確的配準參數。

為了能夠實現上述的方法，在本發明的技術方案中，首先將待配準的兩幅圖像進行去除背景的操作使得圖像避免噪聲的干擾，然后將去除背景后的兩幅圖像利用小波變換方法經一次或多次變換后得到低分辨率的圖像，以低分辨率圖像作為研究對象，將它們的歸一化互信息作為目標函數，利用量子行為的粒子群(Quantum-behaved?Particle?Swarm?Optimization，QPSO)算法以較快的速度和較強的全局求解能力求得一組精度不高的解，再以高分辨率圖像作為研究對象，基于它們的歸一化互信息作為目標函數，利用Powell方法，將精度不高的解作為它的輸入求出精度較高的解，得到兩幅待配準圖像之間的旋轉量與平移量以完成圖像的配準。

本發明一種基于量子行為粒子群算法的多分辨率醫學圖像配準方法，特征是采用以下配準步驟：

1、圖像的背景去除：為了使圖像免除噪聲的干擾，需要將圖像的背景去除；輸入圖像f，先求出圖像中的最大和最小灰度，并令閾值初始為它們的平均值，然后根據閾值，將圖像分割成參考圖像和待配圖像兩部分，分別求出兩部分的平均灰度值，由這兩部分的平均灰度值求出新的閾值，最后使用種子填充算法去除參考圖像和待配圖像的背景部分；

2、小波變換得到兩幅低分辨率的圖像：去除背景后的參考圖像和待配圖像進行小波變換，利用小波變換方法經一次或多次變換后得到兩幅低分辨率的圖像：為了降低圖像的分辨率，需要將圖像進行小波變換；圖像通過它與低通濾波器的卷積形成一個平滑信號，與高通濾波器的卷積形成一個細節信號，從而把原圖像分解為低分辨率的圖像。實驗中應用有平滑信號的那幅圖像。

3、利用量子行為粒子群算法求取配準參數：經過處理的兩幅低分辨率的圖像，以歸一化互信息作為目標函數，即使用量子行為粒子群算法求解得到低分辨率圖像；即首先在解空間初始化一組粒子，計算粒子的目標函數值，即歸一化互信息值，然后粒子通過追尋個體最優位置與全局最優位置經過一定的迭代次數后完成尋優過程；