醫(yī)學(xué)圖像的配準(zhǔn)與融合

1、第八章第八章 醫(yī)學(xué)圖像的配準(zhǔn)與融合醫(yī)學(xué)圖像的配準(zhǔn)與融合 8.1 配準(zhǔn)與融合的應(yīng)用背景介紹配準(zhǔn)與融合的應(yīng)用背景介紹 8.2 醫(yī)學(xué)圖像配準(zhǔn)概述醫(yī)學(xué)圖像配準(zhǔn)概述 8.3 圖像配準(zhǔn)的理論基礎(chǔ)圖像配準(zhǔn)的理論基礎(chǔ) 8.4 常用的醫(yī)學(xué)圖像配準(zhǔn)方法常用的醫(yī)學(xué)圖像配準(zhǔn)方法 8.5 圖像配準(zhǔn)的評(píng)估圖像配準(zhǔn)的評(píng)估第八章第八章 醫(yī)學(xué)圖像的配準(zhǔn)與融合醫(yī)學(xué)圖像的配準(zhǔn)與融合 8.6 圖像融合概述圖像融合概述 8.7 常用的圖像融合方法常用的圖像融合方法 8.8 圖像融合效果的評(píng)價(jià)圖像融合效果的評(píng)價(jià) 隨著計(jì)算機(jī)技術(shù)的高速發(fā)展，醫(yī)學(xué)成像技術(shù)日隨著計(jì)算機(jī)技術(shù)的高速發(fā)展，醫(yī)學(xué)成像技術(shù)日新月異，新月異，為臨床醫(yī)學(xué)提供了各種形態(tài)和功能

2、的影像為臨床醫(yī)學(xué)提供了各種形態(tài)和功能的影像信息。信息。 但是各種成像技術(shù)和檢查方法都有它的優(yōu)勢(shì)與但是各種成像技術(shù)和檢查方法都有它的優(yōu)勢(shì)與不足，并非一種成像技術(shù)可以適用于人體所有器官不足，并非一種成像技術(shù)可以適用于人體所有器官的檢查和疾病診斷，也不是一種成像技術(shù)能取代另的檢查和疾病診斷，也不是一種成像技術(shù)能取代另一種成像技術(shù)，而是相輔相成、相互補(bǔ)充。一種成像技術(shù)，而是相輔相成、相互補(bǔ)充。 8.1 8.1 應(yīng)用背景介紹應(yīng)用背景介紹根據(jù)醫(yī)學(xué)圖像所提供的信息內(nèi)涵，分為兩大類：根據(jù)醫(yī)學(xué)圖像所提供的信息內(nèi)涵，分為兩大類：l 解剖結(jié)構(gòu)圖像（解剖結(jié)構(gòu)圖像（CTCT、MRIMRI、B B超等）超等）l 功能圖像

3、（功能圖像（SPECTSPECT、PETPET等）等）解剖圖像以較高的分辨率提供了臟器的解剖形態(tài)信息（功能解剖圖像以較高的分辨率提供了臟器的解剖形態(tài)信息（功能圖像無法提供臟器或病灶的解剖細(xì)節(jié)），但無法反映臟器的圖像無法提供臟器或病灶的解剖細(xì)節(jié)），但無法反映臟器的功能情況。功能情況。功能圖像分辨率較差，但它提供的臟器功能代謝信息是解剖功能圖像分辨率較差，但它提供的臟器功能代謝信息是解剖圖像所不能替代的；圖像所不能替代的；8.1 8.1 應(yīng)用背景介紹應(yīng)用背景介紹n 目前這兩類成像設(shè)備的研究都已取得了很大的進(jìn)步，圖像的目前這兩類成像設(shè)備的研究都已取得了很大的進(jìn)步，圖像的空間分辨率和圖像質(zhì)量有很大的提

4、高，但由于成像原理不同所空間分辨率和圖像質(zhì)量有很大的提高，但由于成像原理不同所造成的圖像信息局限性造成的圖像信息局限性, ,使得單獨(dú)使用某一類圖像的效果并不使得單獨(dú)使用某一類圖像的效果并不理想。理想。n 因此，為了提高診斷正確率，需要綜合利用患者的各種圖像因此，為了提高診斷正確率，需要綜合利用患者的各種圖像信息。信息。 8.1 8.1 應(yīng)用背景介紹應(yīng)用背景介紹n 最有效的解決方法：以醫(yī)學(xué)圖像配準(zhǔn)技術(shù)為基礎(chǔ)，利用信息最有效的解決方法：以醫(yī)學(xué)圖像配準(zhǔn)技術(shù)為基礎(chǔ)，利用信息融合技術(shù)，將這兩種圖像結(jié)合起來，利用各自的信息優(yōu)勢(shì)，在融合技術(shù)，將這兩種圖像結(jié)合起來，利用各自的信息優(yōu)勢(shì)，在一幅圖像上同時(shí)表達(dá)來自

5、人體的多方面信息。一幅圖像上同時(shí)表達(dá)來自人體的多方面信息。n 更加直觀地提供了人體解剖、生理及病理等信息。其中配準(zhǔn)更加直觀地提供了人體解剖、生理及病理等信息。其中配準(zhǔn)技術(shù)是圖像融合的關(guān)鍵和難點(diǎn)。技術(shù)是圖像融合的關(guān)鍵和難點(diǎn)。8.1 8.1 應(yīng)用背景介紹應(yīng)用背景介紹8.2 8.2 醫(yī)學(xué)圖像配準(zhǔn)概述醫(yī)學(xué)圖像配準(zhǔn)概述一、醫(yī)學(xué)圖像配準(zhǔn)的概念一、醫(yī)學(xué)圖像配準(zhǔn)的概念 二、醫(yī)學(xué)圖像配準(zhǔn)在臨床上的應(yīng)用二、醫(yī)學(xué)圖像配準(zhǔn)在臨床上的應(yīng)用 三、醫(yī)學(xué)圖像配準(zhǔn)的基本過程三、醫(yī)學(xué)圖像配準(zhǔn)的基本過程 四、醫(yī)學(xué)圖像配準(zhǔn)方法的分類四、醫(yī)學(xué)圖像配準(zhǔn)方法的分類 一、醫(yī)學(xué)圖像配準(zhǔn)的概念一、醫(yī)學(xué)圖像配準(zhǔn)的概念 醫(yī)學(xué)圖像配準(zhǔn)是指對(duì)于一幅醫(yī)學(xué)

6、圖像尋求一種（或一醫(yī)學(xué)圖像配準(zhǔn)是指對(duì)于一幅醫(yī)學(xué)圖像尋求一種（或一系列）空間變換，使它與另一幅醫(yī)學(xué)圖像上的對(duì)應(yīng)點(diǎn)達(dá)到系列）空間變換，使它與另一幅醫(yī)學(xué)圖像上的對(duì)應(yīng)點(diǎn)達(dá)到空間上的一致。這種一致是指人體上的同一解剖點(diǎn)在兩張空間上的一致。這種一致是指人體上的同一解剖點(diǎn)在兩張匹配圖像上有相同的空間位置（位置一致，角度一致、大匹配圖像上有相同的空間位置（位置一致，角度一致、大小一致）。小一致）。 配準(zhǔn)的結(jié)果應(yīng)使兩幅圖像上所有的解剖點(diǎn)，或至少是配準(zhǔn)的結(jié)果應(yīng)使兩幅圖像上所有的解剖點(diǎn)，或至少是所有具有診斷意義的點(diǎn)及手術(shù)感興趣的點(diǎn)都達(dá)到匹配。所有具有診斷意義的點(diǎn)及手術(shù)感興趣的點(diǎn)都達(dá)到匹配。 醫(yī)學(xué)圖像配準(zhǔn)示意圖醫(yī)學(xué)圖

7、像配準(zhǔn)示意圖一、醫(yī)學(xué)圖像配準(zhǔn)的概念一、醫(yī)學(xué)圖像配準(zhǔn)的概念二、醫(yī)學(xué)圖像配準(zhǔn)在臨床上的應(yīng)用二、醫(yī)學(xué)圖像配準(zhǔn)在臨床上的應(yīng)用 醫(yī)學(xué)圖像配準(zhǔn)具有很重要的臨床應(yīng)用價(jià)值。對(duì)使用各醫(yī)學(xué)圖像配準(zhǔn)具有很重要的臨床應(yīng)用價(jià)值。對(duì)使用各種不同或相同的成像手段所獲得的醫(yī)學(xué)圖像進(jìn)行配準(zhǔn)不僅種不同或相同的成像手段所獲得的醫(yī)學(xué)圖像進(jìn)行配準(zhǔn)不僅可以用于醫(yī)療診斷，還可用于手術(shù)計(jì)劃的制定、放射治療可以用于醫(yī)療診斷，還可用于手術(shù)計(jì)劃的制定、放射治療計(jì)劃的制定、病理變化的跟蹤和治療效果的評(píng)價(jià)等各個(gè)方計(jì)劃的制定、病理變化的跟蹤和治療效果的評(píng)價(jià)等各個(gè)方面。面。臨床應(yīng)用舉例臨床應(yīng)用舉例 1 1、計(jì)算機(jī)輔助手術(shù)中，外科醫(yī)生根據(jù)配準(zhǔn)的、計(jì)算機(jī)輔助

8、手術(shù)中，外科醫(yī)生根據(jù)配準(zhǔn)的CT/MR/DSACT/MR/DSA圖圖像精確定位病灶及周圍相關(guān)的解剖結(jié)構(gòu)信息，設(shè)計(jì)出縝密像精確定位病灶及周圍相關(guān)的解剖結(jié)構(gòu)信息，設(shè)計(jì)出縝密的手術(shù)計(jì)劃。在手術(shù)過程中，利用三維空間定位系統(tǒng)使術(shù)的手術(shù)計(jì)劃。在手術(shù)過程中，利用三維空間定位系統(tǒng)使術(shù)前計(jì)劃的虛擬病人、手術(shù)臺(tái)上的真實(shí)病人和手術(shù)器械三者前計(jì)劃的虛擬病人、手術(shù)臺(tái)上的真實(shí)病人和手術(shù)器械三者精確聯(lián)系起來進(jìn)行手術(shù)跟蹤。精確聯(lián)系起來進(jìn)行手術(shù)跟蹤。 二、醫(yī)學(xué)圖像配準(zhǔn)在臨床上的應(yīng)用二、醫(yī)學(xué)圖像配準(zhǔn)在臨床上的應(yīng)用臨床應(yīng)用舉例臨床應(yīng)用舉例 2 2、在癲癇病的治療中，一方面需要通過、在癲癇病的治療中，一方面需要通過CTCT，MRIMR

9、I等圖像等圖像獲得病人的解剖信息，另一方面又需要通過獲得病人的解剖信息，另一方面又需要通過SPECTSPECT或或PETPET等等得到病人的功能信息，這兩方面的結(jié)合將有助于對(duì)病人的得到病人的功能信息，這兩方面的結(jié)合將有助于對(duì)病人的精確治療。精確治療。二、醫(yī)學(xué)圖像配準(zhǔn)在臨床上的應(yīng)用二、醫(yī)學(xué)圖像配準(zhǔn)在臨床上的應(yīng)用臨床應(yīng)用舉例臨床應(yīng)用舉例 3 3、放射治療中，應(yīng)用、放射治療中，應(yīng)用CTCT和和MRMR圖像的配準(zhǔn)和融合來制定放圖像的配準(zhǔn)和融合來制定放療計(jì)劃和進(jìn)行評(píng)估，用療計(jì)劃和進(jìn)行評(píng)估，用CTCT圖像精確計(jì)算放射劑量，用圖像精確計(jì)算放射劑量，用MRMR圖圖像描述腫瘤的結(jié)構(gòu)，用像描述腫瘤的結(jié)構(gòu)，用PET

10、PET和和SPECTSPECT圖像對(duì)腫瘤的代謝、免圖像對(duì)腫瘤的代謝、免疫及其他生理方面進(jìn)行識(shí)別和特性化處理，整合的圖像可疫及其他生理方面進(jìn)行識(shí)別和特性化處理，整合的圖像可用于改進(jìn)放射治療計(jì)劃或立體定向活檢或手術(shù)。用于改進(jìn)放射治療計(jì)劃或立體定向活檢或手術(shù)。 二、醫(yī)學(xué)圖像配準(zhǔn)在臨床上的應(yīng)用二、醫(yī)學(xué)圖像配準(zhǔn)在臨床上的應(yīng)用三、醫(yī)學(xué)圖像配準(zhǔn)的基本過程三、醫(yī)學(xué)圖像配準(zhǔn)的基本過程 1 1、根據(jù)待配準(zhǔn)圖像（浮動(dòng)圖像）、根據(jù)待配準(zhǔn)圖像（浮動(dòng)圖像）I I2 2與參考圖像（基準(zhǔn)圖與參考圖像（基準(zhǔn)圖像）像）I I1 1，提取出圖像的特征信息組成特征空間；，提取出圖像的特征信息組成特征空間； 2 2、根據(jù)提取出的特征空

11、間確定出一種空間變換，使待、根據(jù)提取出的特征空間確定出一種空間變換，使待配準(zhǔn)圖像配準(zhǔn)圖像I I2 2經(jīng)過該變換后與參考圖像經(jīng)過該變換后與參考圖像I I1 1能夠達(dá)到所定義能夠達(dá)到所定義的相似性測(cè)度；的相似性測(cè)度； 3 3、在確定變換的過程中，還需采取一定的搜索策略也、在確定變換的過程中，還需采取一定的搜索策略也就是優(yōu)化措施以使相似性測(cè)度更快更好地達(dá)到最優(yōu)值。就是優(yōu)化措施以使相似性測(cè)度更快更好地達(dá)到最優(yōu)值。NY待配準(zhǔn)圖像I2幾何變換T變換后的圖像I*=T(I2)相似性測(cè)度評(píng)價(jià)T最優(yōu)？最優(yōu)T更新T初始變換T參考圖像I1圖像配準(zhǔn)的流程圖圖像配準(zhǔn)的流程圖三、醫(yī)學(xué)圖像配準(zhǔn)的基本過程三、醫(yī)學(xué)圖像配準(zhǔn)的基本

12、過程四、醫(yī)學(xué)圖像配準(zhǔn)方法的分類四、醫(yī)學(xué)圖像配準(zhǔn)方法的分類 到目前為止，圖像配準(zhǔn)方法的分類始終沒有一個(gè)統(tǒng)到目前為止，圖像配準(zhǔn)方法的分類始終沒有一個(gè)統(tǒng)一的說法。目前比較流行的是一的說法。目前比較流行的是19931993年年Van den ElsenVan den Elsen等等人對(duì)醫(yī)學(xué)圖像配準(zhǔn)進(jìn)行的分類，歸納了七種分類標(biāo)準(zhǔn)。人對(duì)醫(yī)學(xué)圖像配準(zhǔn)進(jìn)行的分類，歸納了七種分類標(biāo)準(zhǔn)。（一）按圖像維數(shù)分類（一）按圖像維數(shù)分類 按圖像維數(shù)分為按圖像維數(shù)分為2D/2D2D/2D，2D/3D2D/3D，以及，以及3D/3D3D/3D配準(zhǔn)。配準(zhǔn)。2D/2D2D/2D配準(zhǔn)通常指兩個(gè)斷層面間的配準(zhǔn)；配準(zhǔn)通常指兩個(gè)斷層面間的

13、配準(zhǔn)；2D/3D2D/3D配準(zhǔn)通常配準(zhǔn)通常指空間圖像和投影圖像（或者是單獨(dú)的一個(gè)層面）間的指空間圖像和投影圖像（或者是單獨(dú)的一個(gè)層面）間的直接配準(zhǔn)；直接配準(zhǔn)；3D/3D3D/3D配準(zhǔn)指配準(zhǔn)指2 2幅三維空間圖像間的配準(zhǔn)。幅三維空間圖像間的配準(zhǔn)。四、醫(yī)學(xué)圖像配準(zhǔn)方法的分類四、醫(yī)學(xué)圖像配準(zhǔn)方法的分類（二）根據(jù)醫(yī)學(xué)圖像的模態(tài)分類（二）根據(jù)醫(yī)學(xué)圖像的模態(tài)分類 單模態(tài)醫(yī)學(xué)圖像配準(zhǔn)：是指待配準(zhǔn)的兩幅圖像是用同一單模態(tài)醫(yī)學(xué)圖像配準(zhǔn)：是指待配準(zhǔn)的兩幅圖像是用同一種成像設(shè)備獲取的。一般用在生長(zhǎng)監(jiān)控、減影成像等。種成像設(shè)備獲取的。一般用在生長(zhǎng)監(jiān)控、減影成像等。 多模態(tài)圖像配準(zhǔn)：是指待配準(zhǔn)的兩幅圖像來源于不同的多模

14、態(tài)圖像配準(zhǔn)：是指待配準(zhǔn)的兩幅圖像來源于不同的成像設(shè)備，主要應(yīng)用于神經(jīng)外科的診斷、手術(shù)定位及放成像設(shè)備，主要應(yīng)用于神經(jīng)外科的診斷、手術(shù)定位及放療計(jì)劃設(shè)計(jì)等。療計(jì)劃設(shè)計(jì)等。 四、醫(yī)學(xué)圖像配準(zhǔn)方法的分類四、醫(yī)學(xué)圖像配準(zhǔn)方法的分類（三）根據(jù)變換性質(zhì)分類（三）根據(jù)變換性質(zhì)分類 剛性變換：只包括平移和旋轉(zhuǎn)。剛性變換：只包括平移和旋轉(zhuǎn)。 仿射變換：將平行線變換為平行線。仿射變換：將平行線變換為平行線。 投影變換：將直線映射為直線。投影變換：將直線映射為直線。 曲線變換：將直線映射為曲線曲線變換：將直線映射為曲線。四、醫(yī)學(xué)圖像配準(zhǔn)方法的分類四、醫(yī)學(xué)圖像配準(zhǔn)方法的分類（四）根據(jù)用戶交互性的多少分類（四）根據(jù)用戶

15、交互性的多少分類 自動(dòng)配準(zhǔn)：用戶只需提供相應(yīng)的算法和圖像數(shù)據(jù)。自動(dòng)配準(zhǔn)：用戶只需提供相應(yīng)的算法和圖像數(shù)據(jù)。 半自動(dòng)配準(zhǔn)：用戶需初始化算法或指導(dǎo)算法半自動(dòng)配準(zhǔn)：用戶需初始化算法或指導(dǎo)算法( (如拒絕或如拒絕或接受配準(zhǔn)假設(shè)接受配準(zhǔn)假設(shè)) )； 交互配準(zhǔn)：用戶在軟件的幫助下進(jìn)行配準(zhǔn)交互配準(zhǔn)：用戶在軟件的幫助下進(jìn)行配準(zhǔn) 四、醫(yī)學(xué)圖像配準(zhǔn)方法的分類四、醫(yī)學(xué)圖像配準(zhǔn)方法的分類（五）根據(jù)配準(zhǔn)所基于的圖像特征分類（五）根據(jù)配準(zhǔn)所基于的圖像特征分類 基于外部特征的圖像配準(zhǔn)：是指在研究對(duì)象上設(shè)置一些基于外部特征的圖像配準(zhǔn)：是指在研究對(duì)象上設(shè)置一些 標(biāo)志點(diǎn)，使這些標(biāo)記點(diǎn)能在不同的影像模式中標(biāo)志點(diǎn)，使這些標(biāo)記點(diǎn)能在不

16、同的影像模式中 顯示，然后再用自動(dòng)、半自動(dòng)或交互式的方法顯示，然后再用自動(dòng)、半自動(dòng)或交互式的方法 用標(biāo)記將圖像配準(zhǔn)。用標(biāo)記將圖像配準(zhǔn)。 基于內(nèi)部特征的配準(zhǔn)：主要包括三個(gè)方面：基于標(biāo)記的基于內(nèi)部特征的配準(zhǔn)：主要包括三個(gè)方面：基于標(biāo)記的 配準(zhǔn)方法、基于分割的配準(zhǔn)方法、基于像素特配準(zhǔn)方法、基于分割的配準(zhǔn)方法、基于像素特 性的配準(zhǔn)性的配準(zhǔn)。 四、醫(yī)學(xué)圖像配準(zhǔn)方法的分類四、醫(yī)學(xué)圖像配準(zhǔn)方法的分類（六）根據(jù)配準(zhǔn)過程中變換參數(shù)確定的方式分類（六）根據(jù)配準(zhǔn)過程中變換參數(shù)確定的方式分類 1 1、通過直接計(jì)算公式得到變換參數(shù)的配準(zhǔn)：限制在基于特征信息、通過直接計(jì)算公式得到變換參數(shù)的配準(zhǔn)：限制在基于特征信息( (例

17、如小數(shù)目的特征點(diǎn)集、二維曲線、三維表面例如小數(shù)目的特征點(diǎn)集、二維曲線、三維表面) )的配準(zhǔn)應(yīng)用中。的配準(zhǔn)應(yīng)用中。 2 2、通過在參數(shù)空間中尋求某個(gè)函數(shù)的最優(yōu)解得到變換參數(shù)的配準(zhǔn)：、通過在參數(shù)空間中尋求某個(gè)函數(shù)的最優(yōu)解得到變換參數(shù)的配準(zhǔn)： 所有的配準(zhǔn)都變成一個(gè)能量函數(shù)的極值求解問題。所有的配準(zhǔn)都變成一個(gè)能量函數(shù)的極值求解問題。 四、醫(yī)學(xué)圖像配準(zhǔn)方法的分類四、醫(yī)學(xué)圖像配準(zhǔn)方法的分類（七）根據(jù)主體分類（七）根據(jù)主體分類 1 1、同一患者、同一患者(Intrasubject)(Intrasubject)的的 配準(zhǔn)：指將來自同一個(gè)病配準(zhǔn)：指將來自同一個(gè)病人的待配準(zhǔn)圖像，用于任何種類的診斷中；人的待配準(zhǔn)圖

18、像，用于任何種類的診斷中； 2 2、不同患者、不同患者(Intersubject) (Intersubject) 的配準(zhǔn)：指待配準(zhǔn)圖像來自的配準(zhǔn)：指待配準(zhǔn)圖像來自不同病人，主要用在三維頭部圖像不同病人，主要用在三維頭部圖像(MR(MR、CT)CT)的配準(zhǔn)中的配準(zhǔn)中 3 3、 患者與圖譜的患者與圖譜的(Atlas)(Atlas)圖像配準(zhǔn)。是指待配準(zhǔn)圖像一圖像配準(zhǔn)。是指待配準(zhǔn)圖像一幅來自病人，一幅來自圖譜。幅來自病人，一幅來自圖譜。四、醫(yī)學(xué)圖像配準(zhǔn)方法的分類四、醫(yī)學(xué)圖像配準(zhǔn)方法的分類8.3 圖像配準(zhǔn)的理論基礎(chǔ)圖像配準(zhǔn)的理論基礎(chǔ)一、圖像配準(zhǔn)原理一、圖像配準(zhǔn)原理 二、空間變換二、空間變換 三、參數(shù)的優(yōu)

19、化搜索三、參數(shù)的優(yōu)化搜索 四、插值方法四、插值方法 五、相似性測(cè)度五、相似性測(cè)度 一、圖像配準(zhǔn)原理一、圖像配準(zhǔn)原理 對(duì)于在不同時(shí)間或?qū)τ谠诓煌瑫r(shí)間或/ /和不同條件下獲取的兩幅圖像和不同條件下獲取的兩幅圖像A(x)A(x)和和B(x)B(x)的配準(zhǔn)，就是要定義一個(gè)相似性測(cè)度并尋找的配準(zhǔn)，就是要定義一個(gè)相似性測(cè)度并尋找一個(gè)空間變換關(guān)系，使得經(jīng)過該空間變換后兩幅圖像間一個(gè)空間變換關(guān)系，使得經(jīng)過該空間變換后兩幅圖像間的相似性達(dá)到最大（或者差異性最小）。即使圖像的相似性達(dá)到最大（或者差異性最?。?。即使圖像A A上上的每一個(gè)點(diǎn)在圖像的每一個(gè)點(diǎn)在圖像B B上都有唯一的點(diǎn)與之對(duì)應(yīng)，并且這上都有唯一的點(diǎn)與之對(duì)

20、應(yīng)，并且這兩點(diǎn)應(yīng)對(duì)應(yīng)同一解剖位置。兩點(diǎn)應(yīng)對(duì)應(yīng)同一解剖位置。 )(),()(XTBXASTSS S是相似性測(cè)度，配準(zhǔn)的過程歸結(jié)為尋求最佳空間變換的過程。是相似性測(cè)度，配準(zhǔn)的過程歸結(jié)為尋求最佳空間變換的過程。 公式表示公式表示: : )(maxargTST 由于空間變換包含多個(gè)參數(shù)，是一個(gè)多參數(shù)最優(yōu)化問題，一由于空間變換包含多個(gè)參數(shù)，是一個(gè)多參數(shù)最優(yōu)化問題，一般由迭代過程實(shí)現(xiàn)：般由迭代過程實(shí)現(xiàn)：TTTdTTdST)(一、圖像配準(zhǔn)原理一、圖像配準(zhǔn)原理二、空間變換二、空間變換 圖像圖像A A和和B B的配準(zhǔn)就是尋找一種映射關(guān)系的配準(zhǔn)就是尋找一種映射關(guān)系T T：X XAAX XB B，使得使得X XA

21、A上的每一點(diǎn)在上的每一點(diǎn)在X XB B上都有唯一的點(diǎn)與之對(duì)應(yīng)。上都有唯一的點(diǎn)與之對(duì)應(yīng)。 這種映射關(guān)系表現(xiàn)為一組連續(xù)的空間變換，如整幅圖像這種映射關(guān)系表現(xiàn)為一組連續(xù)的空間變換，如整幅圖像應(yīng)用相同的空間變換，則稱之為全局變換（應(yīng)用相同的空間變換，則稱之為全局變換（global global transformationtransformation），否則，稱之為局部變換（），否則，稱之為局部變換（local local transformationtransformation）。）。 圖像配準(zhǔn)的基本變換圖像配準(zhǔn)的基本變換二、空間變換二、空間變換二、空間變換二、空間變換剛體變換剛體變換 剛體：剛體：

22、是指物體內(nèi)部任意兩點(diǎn)間的距離保持不變。是指物體內(nèi)部任意兩點(diǎn)間的距離保持不變。 剛體變換：剛體變換：使得一幅圖像中任意兩點(diǎn)間的距離在變換前使得一幅圖像中任意兩點(diǎn)間的距離在變換前 后保持不變。后保持不變。 例如：人體的頭部由堅(jiān)硬的顱骨支撐，在處理時(shí)通常忽例如：人體的頭部由堅(jiān)硬的顱骨支撐，在處理時(shí)通常忽 略頭部皮膚的微小變形，將整個(gè)人腦看作是一個(gè)略頭部皮膚的微小變形，將整個(gè)人腦看作是一個(gè) 剛體。剛體。兩幅圖像之間的剛體變換可由一個(gè)剛體模型描述：兩幅圖像之間的剛體變換可由一個(gè)剛體模型描述：TsRUVs s是比例變換因子是比例變換因子。 ,）（zyxtttT 是圖像之間沿是圖像之間沿x x，y y，z

23、z方向上的平移量。方向上的平移量。R R是是3 33 3的旋轉(zhuǎn)矩陣，滿足約束條件：的旋轉(zhuǎn)矩陣，滿足約束條件： IRRRRtt1)det(R二、空間變換二、空間變換剛體變換剛體變換相對(duì)笛卡爾坐標(biāo)系的三個(gè)坐標(biāo)軸，相對(duì)笛卡爾坐標(biāo)系的三個(gè)坐標(biāo)軸，R R有三種不同的形式：有三種不同的形式： xxxxxRcossin0sincos0001yyyyyRcos0sin010sin0cos1000cossin0sincoszzzzzRxyz分別表示圍繞分別表示圍繞XYZ坐標(biāo)軸的旋轉(zhuǎn)角度坐標(biāo)軸的旋轉(zhuǎn)角度 二、空間變換二、空間變換剛體變換剛體變換二、空間變換二、空間變換- -仿射變換仿射變換仿射變換：仿射變換：將直

24、線映射為直線，并保持平行性。將直線映射為直線，并保持平行性。TsRUV不滿足：不滿足：IRRRRtt1)det(R在笛卡兒坐標(biāo)系下，二維仿射變換的旋轉(zhuǎn)矩陣在笛卡兒坐標(biāo)系下，二維仿射變換的旋轉(zhuǎn)矩陣RR表示為：表示為：100232221131211mmmmmmR1000343332312423222114131211mmmmmmmmmmmmR三維：三維：二、空間變換二、空間變換- -仿射變換仿射變換二、空間變換二、空間變換投影變換投影變換投影變換：投影變換：將直線映射為直線，但不保持平行性質(zhì)。將直線映射為直線，但不保持平行性質(zhì)。投影變換主要用于二維投影圖像與三維體積圖像的配準(zhǔn)。投影變換主要用于二維

25、投影圖像與三維體積圖像的配準(zhǔn)。 二維投影變換按照下式將圖像二維投影變換按照下式將圖像),(11yxA映射至圖像映射至圖像),(22yxB：33132131131121112ayaxaayaxax33132131231221212ayaxaayaxayija是依賴于圖像本身的常數(shù)。是依賴于圖像本身的常數(shù)。 二、空間變換二、空間變換非線性變換非線性變換非線性變換是把直線變換為曲線。它反映的是圖像中組織非線性變換是把直線變換為曲線。它反映的是圖像中組織或器官的嚴(yán)重變形或位移。典型的非線性變換是多項(xiàng)式函或器官的嚴(yán)重變形或位移。典型的非線性變換是多項(xiàng)式函數(shù)，如二次、三次函數(shù)及薄板樣條函數(shù)。有時(shí)也使用指數(shù)

26、數(shù)，如二次、三次函數(shù)及薄板樣條函數(shù)。有時(shí)也使用指數(shù)函數(shù)。非線性變換多用于使解剖圖譜變形來擬合圖像數(shù)據(jù)函數(shù)。非線性變換多用于使解剖圖譜變形來擬合圖像數(shù)據(jù)或?qū)τ腥中孕巫兊男亍⒏共颗K器圖像的配準(zhǔn)?；?qū)τ腥中孕巫兊男?、腹部臟器圖像的配準(zhǔn)。二、空間變換二、空間變換非線性變換非線性變換1. 1. 二階多項(xiàng)式變換二階多項(xiàng)式變換 20908210706052104103102101002zayzayaxzaxyaxazayaxaax21918211716152114113112111102zayzayaxzaxyaxazayaxaay22928212726252124123122121202zayzaya

27、xzaxyaxazayaxaaz2. 2. 薄板樣條變換薄板樣條變換 |)(|)(1XPUWBAXXfinii其中：其中：X X是坐標(biāo)向量，是坐標(biāo)向量， A A與與B B定義一個(gè)仿射變換，定義一個(gè)仿射變換， U U是徑向基函數(shù)。是徑向基函數(shù)?？梢员硎緸榉律渥儞Q與徑向基函數(shù)的線性組合：可以表示為仿射變換與徑向基函數(shù)的線性組合：二、空間變換二、空間變換非線性變換非線性變換在二維圖像配準(zhǔn)中：在二維圖像配準(zhǔn)中：22log)(rrrU22yxr在三維圖像配準(zhǔn)中：在三維圖像配準(zhǔn)中：|)(rrU222zyxr二、空間變換二、空間變換非線性變換非線性變換三、參數(shù)的優(yōu)化搜索三、參數(shù)的優(yōu)化搜索配準(zhǔn)的幾何變換參數(shù)根

28、據(jù)求解方式可分成兩類：配準(zhǔn)的幾何變換參數(shù)根據(jù)求解方式可分成兩類：一、根據(jù)獲得的數(shù)據(jù)用聯(lián)立方程組直接計(jì)算得到的，這一一、根據(jù)獲得的數(shù)據(jù)用聯(lián)立方程組直接計(jì)算得到的，這一 類完全限制在基于特征信息的配準(zhǔn)應(yīng)用中。類完全限制在基于特征信息的配準(zhǔn)應(yīng)用中。二、根據(jù)參數(shù)空間的能量函數(shù)最優(yōu)化搜索得到。在這一類二、根據(jù)參數(shù)空間的能量函數(shù)最優(yōu)化搜索得到。在這一類 中所有的配準(zhǔn)都變成一個(gè)能量函數(shù)的極值求解問題。中所有的配準(zhǔn)都變成一個(gè)能量函數(shù)的極值求解問題。因此圖像配準(zhǔn)問題本質(zhì)上是多參數(shù)優(yōu)化問題，優(yōu)化算法的因此圖像配準(zhǔn)問題本質(zhì)上是多參數(shù)優(yōu)化問題，優(yōu)化算法的選擇至關(guān)重要。選擇至關(guān)重要。常用的優(yōu)化算法常用的優(yōu)化算法: :

29、Powell Powell法、梯度下降法、法、梯度下降法、 遺傳算法、模擬退火法、遺傳算法、模擬退火法、 下山單純形法、下山單純形法、Levenberg-MarquadrtLevenberg-Marquadrt法等。法等。三、參數(shù)的優(yōu)化搜索三、參數(shù)的優(yōu)化搜索( (一一) Powell) Powell法法PowellPowell法是一種傳統(tǒng)的確定性優(yōu)化方法，又稱為方向加速法是一種傳統(tǒng)的確定性優(yōu)化方法，又稱為方向加速法，由法，由M.J.D.PowellM.J.D.Powell于于19641964年首先提出。年首先提出?；竞x是基本含義是: :對(duì)于對(duì)于n n維極值問題，首先沿著維極值問題，首先沿著

30、n n個(gè)坐標(biāo)方向求個(gè)坐標(biāo)方向求極小，經(jīng)多極小，經(jīng)多n n次之后得到次之后得到n n個(gè)共軛方向，然后沿個(gè)共軛方向，然后沿n n個(gè)共軛方個(gè)共軛方向求極小，經(jīng)過多次迭代后便可求得極小值。向求極小，經(jīng)過多次迭代后便可求得極小值。三、參數(shù)的優(yōu)化搜索三、參數(shù)的優(yōu)化搜索PowellPowell法的原理：法的原理：對(duì)于某一問題，將其歸結(jié)為求取某一目標(biāo)函數(shù)對(duì)于某一問題，將其歸結(jié)為求取某一目標(biāo)函數(shù)的極小值。其中的極小值。其中Y Y為一個(gè)向量：為一個(gè)向量： 。)(YJJ TnyyyY,21nnnnnnnDDDdddddddddD212122221112110,21iniiidddD設(shè)置一個(gè)滿秩的步長(zhǎng)矩陣：設(shè)置一個(gè)滿

31、秩的步長(zhǎng)矩陣：三、參數(shù)的優(yōu)化搜索三、參數(shù)的優(yōu)化搜索對(duì)于某一初始值對(duì)于某一初始值TnyyyYY,002010, ,迭代過程如下：迭代過程如下： 首先在首先在1D方向上搜索，求方向上搜索，求1，使，使)(110DYJJ為極小，為極小，1101DYY并令：并令：2.依次求依次求2，使，使)(221DYJJ為極小，并令為極小，并令2212DYY，如此下去，如此下去.3.最后求最后求n，使，使)(1nnnDYJJ為極小，并令為極小，并令nnnnDYY1，4.令令1iiDD1, 2 , 1ni)(0YYDnn ,在新的在新的nD方向上在搜索一方向上在搜索一 次，即求次，即求,使使)(nnDYJJ為極小，并

32、令新的為極小，并令新的0Y為為nnDYY0至此，完成了第一輪至此，完成了第一輪n+1次的搜索。接下去進(jìn)行下一輪的搜索，次的搜索。接下去進(jìn)行下一輪的搜索，直至性能指標(biāo)滿意或滿足某種停止條件為止。直至性能指標(biāo)滿意或滿足某種停止條件為止。 三、參數(shù)的優(yōu)化搜索三、參數(shù)的優(yōu)化搜索( (二二) ) 梯度下降法梯度下降法 該算法在求最小化過程中直接利用梯度信息，沿著該算法在求最小化過程中直接利用梯度信息，沿著起始點(diǎn)梯度方向的反方向，求出最小值點(diǎn)，然后移動(dòng)到起始點(diǎn)梯度方向的反方向，求出最小值點(diǎn)，然后移動(dòng)到最小值點(diǎn)，再重復(fù)上面的過程，直到前后點(diǎn)的函數(shù)值的最小值點(diǎn)，再重復(fù)上面的過程，直到前后點(diǎn)的函數(shù)值的差小于給定

33、的誤差值，則結(jié)束迭代過程。差小于給定的誤差值，則結(jié)束迭代過程。三、參數(shù)的優(yōu)化搜索三、參數(shù)的優(yōu)化搜索( (三三) )遺傳算法遺傳算法 遺傳算法（遺傳算法（Genetic AlgorithmGenetic Algorithm）是模擬達(dá)爾文的遺）是模擬達(dá)爾文的遺傳選擇和自然淘汰的生物進(jìn)化過程的計(jì)算模型，是一種傳選擇和自然淘汰的生物進(jìn)化過程的計(jì)算模型，是一種通過模擬自然進(jìn)化過程搜索最優(yōu)解的方法，它是由美國(guó)通過模擬自然進(jìn)化過程搜索最優(yōu)解的方法，它是由美國(guó)MichiganMichigan大學(xué)大學(xué)J.HollandJ.Holland教授于教授于19751975年首先提出來的。年首先提出來的。三、參數(shù)的優(yōu)化搜

34、索三、參數(shù)的優(yōu)化搜索( (三三) )遺傳算法遺傳算法 在求解優(yōu)化問題時(shí)，遺傳算法將優(yōu)化問題當(dāng)作一個(gè)生存在求解優(yōu)化問題時(shí)，遺傳算法將優(yōu)化問題當(dāng)作一個(gè)生存環(huán)境，問題的一個(gè)解當(dāng)作生存環(huán)境中的一個(gè)個(gè)體，以目標(biāo)函環(huán)境，問題的一個(gè)解當(dāng)作生存環(huán)境中的一個(gè)個(gè)體，以目標(biāo)函數(shù)值或其變化形式來評(píng)價(jià)個(gè)體對(duì)環(huán)境的適應(yīng)能力，模擬由數(shù)值或其變化形式來評(píng)價(jià)個(gè)體對(duì)環(huán)境的適應(yīng)能力，模擬由一定數(shù)量個(gè)體所組成的群體的進(jìn)化過程，優(yōu)勝劣汰，最終一定數(shù)量個(gè)體所組成的群體的進(jìn)化過程，優(yōu)勝劣汰，最終獲得最好的個(gè)體，即問題的最優(yōu)解。獲得最好的個(gè)體，即問題的最優(yōu)解。三、參數(shù)的優(yōu)化搜索三、參數(shù)的優(yōu)化搜索四、插值方法四、插值方法 在圖像配準(zhǔn)中，空間坐

35、標(biāo)變換后得到的像素坐標(biāo)位置在圖像配準(zhǔn)中，空間坐標(biāo)變換后得到的像素坐標(biāo)位置可能不在整數(shù)像素上，因此需要用灰度插值的方法對(duì)像素可能不在整數(shù)像素上，因此需要用灰度插值的方法對(duì)像素值進(jìn)行估計(jì)。值進(jìn)行估計(jì)。 常用的插值方法有常用的插值方法有: :最近鄰插值法、雙線性插值法和部最近鄰插值法、雙線性插值法和部分體積分布法等。分體積分布法等。(1)(1)最近鄰插值（最近鄰插值（NNNN）圖8-4 最近鄰插值示意圖),()(vfnf),(minarginnndvi),(111vun),(222vun),(333vun),(444vun計(jì)算計(jì)算n n和鄰近四個(gè)點(diǎn)之間的距離，并將與該點(diǎn)距離最小的點(diǎn)和鄰近四個(gè)點(diǎn)之間的

36、距離，并將與該點(diǎn)距離最小的點(diǎn)的灰度值賦給的灰度值賦給n n。 (2)(2)雙線性插值（雙線性插值（BIBI）雙線性插值法又稱為一階插值算法，它是用線性插值來求雙線性插值法又稱為一階插值算法，它是用線性插值來求像素灰度的一種方法。具體計(jì)算方法為先沿著一個(gè)坐標(biāo)軸像素灰度的一種方法。具體計(jì)算方法為先沿著一個(gè)坐標(biāo)軸方向使用線性插值方法求出兩點(diǎn)的插值灰度，然后沿另一方向使用線性插值方法求出兩點(diǎn)的插值灰度，然后沿另一個(gè)坐標(biāo)軸，利用這兩個(gè)點(diǎn)對(duì)目標(biāo)點(diǎn)進(jìn)行線性插值來求灰度個(gè)坐標(biāo)軸，利用這兩個(gè)點(diǎn)對(duì)目標(biāo)點(diǎn)進(jìn)行線性插值來求灰度。 )()(iiinfnf)(inf灰度值灰度值, , i各相鄰點(diǎn)的權(quán)重，與它們到各相鄰點(diǎn)的

37、權(quán)重，與它們到n n的距離成反比。的距離成反比。 dydxdydxdydxdydx)1 ()1 ()1 ()1 (43211n3n2n4n3W4W2W1Wn(2)(2)雙線性插值（雙線性插值（BIBI）( (四四) )部分體積插值法（部分體積插值法（PVPV） 部分體積分布法是部分體積分布法是F.MaesF.Maes等人提出來的，是對(duì)雙線性等人提出來的，是對(duì)雙線性插值方法的一個(gè)改進(jìn)。主要是為了克服雙線性插值方法在圖插值方法的一個(gè)改進(jìn)。主要是為了克服雙線性插值方法在圖像中會(huì)產(chǎn)生新的灰度值而引起圖像灰度分布發(fā)生變化的缺像中會(huì)產(chǎn)生新的灰度值而引起圖像灰度分布發(fā)生變化的缺點(diǎn)，以便得到比較光滑的目標(biāo)函數(shù)

38、，有利于優(yōu)化搜索。點(diǎn)，以便得到比較光滑的目標(biāo)函數(shù)，有利于優(yōu)化搜索。 PV PV根據(jù)線性插值的權(quán)重分配原則，將每對(duì)像素對(duì)聯(lián)合直根據(jù)線性插值的權(quán)重分配原則，將每對(duì)像素對(duì)聯(lián)合直方圖的貢獻(xiàn)分散到聯(lián)合直方圖中與之相鄰的各個(gè)像素對(duì)上，方圖的貢獻(xiàn)分散到聯(lián)合直方圖中與之相鄰的各個(gè)像素對(duì)上，這樣聯(lián)合直方圖上各個(gè)像素對(duì)的頻度值以小數(shù)增加，因此這樣聯(lián)合直方圖上各個(gè)像素對(duì)的頻度值以小數(shù)增加，因此不會(huì)出現(xiàn)新的灰度值而破壞目標(biāo)函數(shù)值分布的光滑性。不會(huì)出現(xiàn)新的灰度值而破壞目標(biāo)函數(shù)值分布的光滑性。具體的計(jì)算公式為具體的計(jì)算公式為: :iiivfufhvfufh)(),()(),(i為權(quán)重，其取值同為權(quán)重，其取值同BIBI法。

39、法。 ( (四四) )部分體積插值法（部分體積插值法（PVPV） 五、五、相似性測(cè)度相似性測(cè)度 配準(zhǔn)過程在得到幾何變換后，進(jìn)一步的工作就是要找到配準(zhǔn)過程在得到幾何變換后，進(jìn)一步的工作就是要找到一種合適、最優(yōu)的描述量，用以表征相似或者差異，稱一種合適、最優(yōu)的描述量，用以表征相似或者差異，稱這種描述量為相似性測(cè)度。這種描述量為相似性測(cè)度。 （一）灰度均方差（一）灰度均方差設(shè)設(shè) 和和 分別表示參考圖像和浮動(dòng)圖像中的數(shù)據(jù)，分別表示參考圖像和浮動(dòng)圖像中的數(shù)據(jù)，兩幅圖像像素值的均方差可以表示為兩幅圖像像素值的均方差可以表示為: :)(xfR)(xfTxdxfQxfVFTRVx2)()(|1其中，其中，V

40、V表示參與計(jì)算的圖像區(qū)域，表示參與計(jì)算的圖像區(qū)域，|V表示參與計(jì)算的像素總量，表示參與計(jì)算的像素總量，)( fQ表示對(duì)圖像數(shù)據(jù)的變換。表示對(duì)圖像數(shù)據(jù)的變換?；叶染讲钭鳛橄嗨菩詼y(cè)度適用于單模醫(yī)學(xué)圖像的配準(zhǔn)?；叶染讲钭鳛橄嗨菩詼y(cè)度適用于單模醫(yī)學(xué)圖像的配準(zhǔn)。 （二）（二） 歸一化互相關(guān)歸一化互相關(guān)TjiTjifloflorefrefTjifloflorefrefIjiIIjiIIjiIIjiIR),(),(2),(),(),(),()(),(refIfloI分別是參考圖和浮動(dòng)圖在分別是參考圖和浮動(dòng)圖在Tji),(區(qū)域內(nèi)的區(qū)域內(nèi)的像素灰度平均值，像素灰度平均值，R R為相關(guān)系數(shù)。為相關(guān)系數(shù)。（三）

41、（三） 互信息互信息 相似測(cè)度形式多樣，在基于全圖像信息的圖像配準(zhǔn)中，相似測(cè)度形式多樣，在基于全圖像信息的圖像配準(zhǔn)中，以互信息量作為相似測(cè)度的方法以其計(jì)算復(fù)雜度低、魯棒以互信息量作為相似測(cè)度的方法以其計(jì)算復(fù)雜度低、魯棒性好等特性逐漸成為當(dāng)前研究的熱點(diǎn)。性好等特性逐漸成為當(dāng)前研究的熱點(diǎn)。下一節(jié)對(duì)基于互信息量的圖像配準(zhǔn)方法做詳細(xì)的介紹。下一節(jié)對(duì)基于互信息量的圖像配準(zhǔn)方法做詳細(xì)的介紹。8.4 8.4 圖像配準(zhǔn)的主要方法圖像配準(zhǔn)的主要方法 圖像配準(zhǔn)的方法有多種，目前主要的配準(zhǔn)方法大體上可圖像配準(zhǔn)的方法有多種，目前主要的配準(zhǔn)方法大體上可以分為兩類以分為兩類: : 基于特征的配準(zhǔn)方法基于特征的配準(zhǔn)方法 基

42、于灰度的配準(zhǔn)方法?；诨叶鹊呐錅?zhǔn)方法。 一、基于特征的配準(zhǔn)方法一、基于特征的配準(zhǔn)方法 配準(zhǔn)過程：配準(zhǔn)過程： 首先對(duì)待配準(zhǔn)圖像進(jìn)行特征提取，常用到的圖像特征首先對(duì)待配準(zhǔn)圖像進(jìn)行特征提取，常用到的圖像特征有有: :點(diǎn)、直線段、邊緣、輪廓、閉合區(qū)域、特征結(jié)構(gòu)以及點(diǎn)、直線段、邊緣、輪廓、閉合區(qū)域、特征結(jié)構(gòu)以及統(tǒng)計(jì)特征如矩不變量、重心等等。統(tǒng)計(jì)特征如矩不變量、重心等等。 然后利用提取到的特征完成兩幅圖像特征之間的匹配。然后利用提取到的特征完成兩幅圖像特征之間的匹配。（一）、基于點(diǎn)特征的配準(zhǔn)（一）、基于點(diǎn)特征的配準(zhǔn) 點(diǎn)特征是圖像配準(zhǔn)中最為常用的圖像特征之一，分為點(diǎn)特征是圖像配準(zhǔn)中最為常用的圖像特征之一，分

43、為外部特征點(diǎn)與內(nèi)部特征點(diǎn)兩種。外部特征點(diǎn)與內(nèi)部特征點(diǎn)兩種。 外部特征點(diǎn)：外部特征點(diǎn)：是成像時(shí)固定在患者身體上的標(biāo)記物。是成像時(shí)固定在患者身體上的標(biāo)記物。這種方法的配準(zhǔn)變換被限制為剛性變換。這種方法的配準(zhǔn)變換被限制為剛性變換。 侵入性標(biāo)記物侵入性標(biāo)記物 非侵入性標(biāo)記物非侵入性標(biāo)記物 （一）基于點(diǎn)特征的配準(zhǔn)（一）基于點(diǎn)特征的配準(zhǔn) 內(nèi)部特征點(diǎn)：內(nèi)部特征點(diǎn)：是一些有限的可明顯識(shí)別的點(diǎn)集，可以是解是一些有限的可明顯識(shí)別的點(diǎn)集，可以是解剖點(diǎn)剖點(diǎn)( (一般由用戶識(shí)別出一般由用戶識(shí)別出) )，也可以是幾何點(diǎn)，也可以是幾何點(diǎn)( (包括邊緣點(diǎn)、包括邊緣點(diǎn)、角點(diǎn)、灰度的極值點(diǎn)、曲率的極值點(diǎn)、兩個(gè)線性結(jié)構(gòu)的角點(diǎn)、灰度

44、的極值點(diǎn)、曲率的極值點(diǎn)、兩個(gè)線性結(jié)構(gòu)的交點(diǎn)或某一封閉區(qū)域的質(zhì)心等交點(diǎn)或某一封閉區(qū)域的質(zhì)心等) )。 這種方法主要求解剛體或仿射變換，如果標(biāo)記點(diǎn)數(shù)目足這種方法主要求解剛體或仿射變換，如果標(biāo)記點(diǎn)數(shù)目足 夠多，也能用來更復(fù)雜的非剛體變換。夠多，也能用來更復(fù)雜的非剛體變換。 （二）基于直線特征的配準(zhǔn)（二）基于直線特征的配準(zhǔn) 線段是圖像中另一個(gè)易于提取的特征。一般利用線段是圖像中另一個(gè)易于提取的特征。一般利用HoughHough變變 換提取圖像中的直線。換提取圖像中的直線。 建立兩幅圖像中分別提取的直線段的對(duì)應(yīng)關(guān)系。建立兩幅圖像中分別提取的直線段的對(duì)應(yīng)關(guān)系。 利用直線段的斜率和端點(diǎn)的位置關(guān)系，可以構(gòu)造一

45、個(gè)這些利用直線段的斜率和端點(diǎn)的位置關(guān)系，可以構(gòu)造一個(gè)這些信息指標(biāo)的直方圖，并通過尋找直方圖的聚集束達(dá)到直線信息指標(biāo)的直方圖，并通過尋找直方圖的聚集束達(dá)到直線段的匹配。段的匹配。（三）基于輪廓與曲線特征的配準(zhǔn)（三）基于輪廓與曲線特征的配準(zhǔn) 近年來，隨著圖像分割、邊緣檢測(cè)等技術(shù)的發(fā)展，近年來，隨著圖像分割、邊緣檢測(cè)等技術(shù)的發(fā)展，基于邊緣、輪廓的圖像配準(zhǔn)方法逐漸成為配準(zhǔn)領(lǐng)域的基于邊緣、輪廓的圖像配準(zhǔn)方法逐漸成為配準(zhǔn)領(lǐng)域的研究熱點(diǎn)。研究熱點(diǎn)。 分割和邊緣檢測(cè)技術(shù)是這類方法的基礎(chǔ)，目前已分割和邊緣檢測(cè)技術(shù)是這類方法的基礎(chǔ)，目前已報(bào)道的有很多圖像分割方法可以用來做圖像配準(zhǔn)需要報(bào)道的有很多圖像分割方法可以用

46、來做圖像配準(zhǔn)需要的邊緣輪廓和區(qū)域的檢測(cè)，比如的邊緣輪廓和區(qū)域的檢測(cè)，比如CannyCanny邊緣提取算子，邊緣提取算子，拉普拉斯拉普拉斯- -高斯算子高斯算子(LoG )(LoG )，動(dòng)態(tài)閾值技術(shù)，區(qū)域增長(zhǎng)等。，動(dòng)態(tài)閾值技術(shù)，區(qū)域增長(zhǎng)等。（三）基于輪廓與曲線特征的配準(zhǔn)（三）基于輪廓與曲線特征的配準(zhǔn)在特征提取的基礎(chǔ)上，很多學(xué)者針對(duì)輪廓、邊緣等進(jìn)行了配在特征提取的基礎(chǔ)上，很多學(xué)者針對(duì)輪廓、邊緣等進(jìn)行了配準(zhǔn)研究。準(zhǔn)研究。 1 1、GovinduGovindu等采用輪廓上點(diǎn)的切線斜率來表示物體輪廓，等采用輪廓上點(diǎn)的切線斜率來表示物體輪廓， 通過比較輪廓邊緣的分布確定變換參數(shù)。通過比較輪廓邊緣的分布確定

47、變換參數(shù)。2 2、DavatzikosDavatzikos等提出了一種二階段大腦圖像配準(zhǔn)算法，等提出了一種二階段大腦圖像配準(zhǔn)算法， 在第一階段使用活動(dòng)輪廓算法建立一一影射，第二階段在第一階段使用活動(dòng)輪廓算法建立一一影射，第二階段 采用彈性變換函數(shù)確定輪廓的最佳變換。采用彈性變換函數(shù)確定輪廓的最佳變換。（三）基于輪廓與曲線特征的配準(zhǔn)（三）基于輪廓與曲線特征的配準(zhǔn) 3 3、李登高等提出了一種對(duì)部分重疊的圖像進(jìn)行快速配準(zhǔn)的、李登高等提出了一種對(duì)部分重疊的圖像進(jìn)行快速配準(zhǔn)的 方法，該方法是基于輪廓特征的隨機(jī)匹配算法。通過提方法，該方法是基于輪廓特征的隨機(jī)匹配算法。通過提 取輪廓上的取輪廓上的“關(guān)鍵點(diǎn)關(guān)

48、鍵點(diǎn)”作為特征點(diǎn)，隨機(jī)選擇若干特征點(diǎn)作為特征點(diǎn)，隨機(jī)選擇若干特征點(diǎn) 對(duì)得到候選變換，隨后的投票階段對(duì)其變換參數(shù)進(jìn)行檢對(duì)得到候選變換，隨后的投票階段對(duì)其變換參數(shù)進(jìn)行檢 驗(yàn)和求精。驗(yàn)和求精。 4 4、趙訓(xùn)坡等提出一種基于證據(jù)積累的圖像曲線粗匹配方法，、趙訓(xùn)坡等提出一種基于證據(jù)積累的圖像曲線粗匹配方法， 比較有效地解決了將圖像中提取的一條曲線比較有效地解決了將圖像中提取的一條曲線( (較短較短) )與一與一 條參考曲線條參考曲線( (較長(zhǎng)較長(zhǎng)) )相匹配的問題。相匹配的問題。（四）基于面特征的配準(zhǔn)（四）基于面特征的配準(zhǔn)基于面的配準(zhǔn)方法中最典型的算法是由基于面的配準(zhǔn)方法中最典型的算法是由Pelizza

49、riPelizzari和和 ChenChen提出的提出的“頭帽法頭帽法”（Head-Hat MethodHead-Hat Method）。）。從一幅圖像中提取一個(gè)表面模型稱為從一幅圖像中提取一個(gè)表面模型稱為“頭頭”(Head)(Head)，從另外一幅圖，從另外一幅圖像輪廓上提取的點(diǎn)集稱為像輪廓上提取的點(diǎn)集稱為“帽子帽子”(Hat)(Hat)。用剛體變換或選擇性的仿。用剛體變換或選擇性的仿射變換將射變換將“帽子帽子”的點(diǎn)集變換到的點(diǎn)集變換到“頭頭”上，然后采用優(yōu)化算法使得上，然后采用優(yōu)化算法使得“帽帽子子”的各點(diǎn)到的各點(diǎn)到“頭頭”表面的均方根距離最小。表面的均方根距離最小。（四）基于面特征的配準(zhǔn)

50、（四）基于面特征的配準(zhǔn) 頭帽法最初用于頭部的頭帽法最初用于頭部的SPECTSPECT和和CT (CT (或或MRI)MRI)配準(zhǔn)，參考配準(zhǔn)，參考特征是頭部的皮膚表面；然后用于頭部的特征是頭部的皮膚表面；然后用于頭部的SPECTSPECT圖像之間的圖像之間的配準(zhǔn)，參考特征是頭顱骨表面和大腦表面。配準(zhǔn)，參考特征是頭顱骨表面和大腦表面。 優(yōu)化算法目前一般用優(yōu)化算法目前一般用PowellPowell法。均方距離是六個(gè)待求法。均方距離是六個(gè)待求剛體變換參數(shù)的函數(shù)，其最小時(shí)可得剛體變換參數(shù)。剛體變換參數(shù)的函數(shù)，其最小時(shí)可得剛體變換參數(shù)。 （四）基于面特征的配準(zhǔn)（四）基于面特征的配準(zhǔn) 比較常用的配準(zhǔn)方法還有

51、迭代最近點(diǎn)算法比較常用的配準(zhǔn)方法還有迭代最近點(diǎn)算法(ICP)(ICP)。迭代最近點(diǎn)（。迭代最近點(diǎn)（ICPICP）配準(zhǔn)算法由配準(zhǔn)算法由BeslBesl和和MckayMckay提出的，它將一般的非線性最小化問題歸結(jié)為基提出的，它將一般的非線性最小化問題歸結(jié)為基于點(diǎn)的迭代配準(zhǔn)問題。于點(diǎn)的迭代配準(zhǔn)問題。 迭代最近點(diǎn)算法迭代最近點(diǎn)算法(ICP)(ICP)中必須先采樣出圖像結(jié)構(gòu)上的特征點(diǎn)，然后用中必須先采樣出圖像結(jié)構(gòu)上的特征點(diǎn)，然后用迭代的方法不斷求出一幅圖中相對(duì)于另一幅圖中所有采樣點(diǎn)的最近點(diǎn)，直迭代的方法不斷求出一幅圖中相對(duì)于另一幅圖中所有采樣點(diǎn)的最近點(diǎn)，直到兩個(gè)點(diǎn)集的均方差低于設(shè)定閾值，這時(shí)可得到匹配

52、變換參數(shù)。到兩個(gè)點(diǎn)集的均方差低于設(shè)定閾值，這時(shí)可得到匹配變換參數(shù)。二、基于灰度的配準(zhǔn)方法二、基于灰度的配準(zhǔn)方法n基于灰度的配準(zhǔn)方法是目前研究得較多的一種方法，它直接利用圖像基于灰度的配準(zhǔn)方法是目前研究得較多的一種方法，它直接利用圖像的灰度信息進(jìn)行配準(zhǔn)，從而避免了因分割帶來的誤差，因而具有精度的灰度信息進(jìn)行配準(zhǔn)，從而避免了因分割帶來的誤差，因而具有精度較高、穩(wěn)健性強(qiáng)、不需要預(yù)處理而能實(shí)現(xiàn)自動(dòng)配準(zhǔn)的特點(diǎn)。較高、穩(wěn)健性強(qiáng)、不需要預(yù)處理而能實(shí)現(xiàn)自動(dòng)配準(zhǔn)的特點(diǎn)。n 基于灰度的配準(zhǔn)有兩類主要的方法，一類是通過圖像灰度直接計(jì)算基于灰度的配準(zhǔn)有兩類主要的方法，一類是通過圖像灰度直接計(jì)算出代表性的比例和方向等要

53、素；另一類是配準(zhǔn)過程中使用全部的灰度出代表性的比例和方向等要素；另一類是配準(zhǔn)過程中使用全部的灰度信息。信息。n第一種方法以力矩和主軸法為代表，第二種方法一般稱為體素相似性。第一種方法以力矩和主軸法為代表，第二種方法一般稱為體素相似性。（一）（一） 力矩和主軸法力矩和主軸法 力矩和主軸法是指先用經(jīng)典力學(xué)物體質(zhì)量分布的原理計(jì)力矩和主軸法是指先用經(jīng)典力學(xué)物體質(zhì)量分布的原理計(jì)算出兩幅圖像的質(zhì)心和主軸，再通過平移和旋轉(zhuǎn)變換使兩幅算出兩幅圖像的質(zhì)心和主軸，再通過平移和旋轉(zhuǎn)變換使兩幅圖像達(dá)到配準(zhǔn)。利用此方法，圖像可以模型化為橢圓形區(qū)域圖像達(dá)到配準(zhǔn)。利用此方法，圖像可以模型化為橢圓形區(qū)域的點(diǎn)分布。這樣的分布可

54、以用這些點(diǎn)的位置的一階和二階矩的點(diǎn)分布。這樣的分布可以用這些點(diǎn)的位置的一階和二階矩描述。描述。 （一）（一） 力矩和主軸法力矩和主軸法缺點(diǎn)：缺點(diǎn)：該方法對(duì)數(shù)據(jù)的缺失較敏感，要求整個(gè)物體必須完整該方法對(duì)數(shù)據(jù)的缺失較敏感，要求整個(gè)物體必須完整 地出現(xiàn)在兩幅圖像中。從整體上來說，配準(zhǔn)精度較差，地出現(xiàn)在兩幅圖像中。從整體上來說，配準(zhǔn)精度較差， 所以目前它更多地用來進(jìn)行粗配準(zhǔn)，使兩幅圖像初步所以目前它更多地用來進(jìn)行粗配準(zhǔn)，使兩幅圖像初步 對(duì)齊，以減少后續(xù)主要配準(zhǔn)方法的搜索步驟。對(duì)齊，以減少后續(xù)主要配準(zhǔn)方法的搜索步驟。（二）（二） 體素相似性法：體素相似性法： 體素相似性法是目前研究較多的一類方法。它是利

55、用體素相似性法是目前研究較多的一類方法。它是利用圖像中的所有灰度信息，這種方法一般都較為穩(wěn)定，并能圖像中的所有灰度信息，這種方法一般都較為穩(wěn)定，并能獲得相當(dāng)準(zhǔn)確的結(jié)果。獲得相當(dāng)準(zhǔn)確的結(jié)果。 該方法是完全自動(dòng)的，不需要特殊的預(yù)處理，但這種該方法是完全自動(dòng)的，不需要特殊的預(yù)處理，但這種方法由于需要大量的復(fù)雜計(jì)算，因此最近幾年才轉(zhuǎn)入實(shí)際方法由于需要大量的復(fù)雜計(jì)算，因此最近幾年才轉(zhuǎn)入實(shí)際應(yīng)用。應(yīng)用。（二）（二） 體素相似性法：體素相似性法：常見的基于體素相似性的配準(zhǔn)方法有：常見的基于體素相似性的配準(zhǔn)方法有： 互相關(guān)法互相關(guān)法 基于傅立葉域的互相關(guān)法和相位相關(guān)法基于傅立葉域的互相關(guān)法和相位相關(guān)法 灰度比

56、的方差最小化法灰度比的方差最小化法 直方圖的互信息最大化法等。直方圖的互信息最大化法等。主要討論主要討論。 最大互信息法最大互信息法 最大互信息法以互信息作為相似性測(cè)度。最大互信息法以互信息作為相似性測(cè)度。 19951995年分別被年分別被Viola Viola 和和CollignonCollignon等首次用于醫(yī)學(xué)圖像配準(zhǔn)中等首次用于醫(yī)學(xué)圖像配準(zhǔn)中。 互信息互信息 (Mutual Information(Mutual Information， MI)MI)是信息論中的一個(gè)基是信息論中的一個(gè)基本概念，用于描述兩個(gè)系統(tǒng)間的統(tǒng)計(jì)相關(guān)性，或者是在一個(gè)系本概念，用于描述兩個(gè)系統(tǒng)間的統(tǒng)計(jì)相關(guān)性，或者是在

57、一個(gè)系統(tǒng)中包含的另一個(gè)系統(tǒng)的信息的多少，一般用熵來表示，表達(dá)統(tǒng)中包含的另一個(gè)系統(tǒng)的信息的多少，一般用熵來表示，表達(dá)的是一個(gè)系統(tǒng)的復(fù)雜性或不確定性。的是一個(gè)系統(tǒng)的復(fù)雜性或不確定性。對(duì)于概率分布函數(shù)為對(duì)于概率分布函數(shù)為 的隨機(jī)變量集的隨機(jī)變量集A A，其熵：，其熵： )(apAaapapAH)(log)()(BbAabapbapBAH),(log),(),()/()()/()(),()()(),(ABHBHBAHAHBAHBHAHBAI)|(BAH表示已知系統(tǒng)表示已知系統(tǒng)B B時(shí)時(shí)A A的條件熵。的條件熵。 最大互信息法最大互信息法 在醫(yī)學(xué)圖像配準(zhǔn)中，雖然兩幅圖像來源于不同的成像設(shè)在醫(yī)學(xué)圖像配準(zhǔn)中

58、，雖然兩幅圖像來源于不同的成像設(shè)備，但是它們基于共同的人體解剖信息，所以當(dāng)兩幅圖像的備，但是它們基于共同的人體解剖信息，所以當(dāng)兩幅圖像的空間位置達(dá)到完全一致時(shí)，其中一幅圖像表達(dá)的關(guān)于另一幅空間位置達(dá)到完全一致時(shí)，其中一幅圖像表達(dá)的關(guān)于另一幅圖像的信息，也就是對(duì)應(yīng)像素灰度的互信息應(yīng)為最大。圖像的信息，也就是對(duì)應(yīng)像素灰度的互信息應(yīng)為最大。 通常用聯(lián)合概率分布和完全獨(dú)立時(shí)的概率分布間的廣通常用聯(lián)合概率分布和完全獨(dú)立時(shí)的概率分布間的廣義距離來估計(jì)互信息：義距離來估計(jì)互信息：)()(),(log),(),(bpapbapbapBAI 最大互信息法最大互信息法 對(duì)于離散的數(shù)字圖像，聯(lián)合概率分布對(duì)于離散的數(shù)

59、字圖像，聯(lián)合概率分布 可以用歸一可以用歸一化的聯(lián)合直方圖表示：化的聯(lián)合直方圖表示：),(bapABjiABjihjihjip,),(),(),(jABAjipip),()(iABBjipjp),()(邊緣概率分布邊緣概率分布)(apA表示為：表示為： )(bpBjiBAABABjpipjipjipBAI,)()(),(log),(),( 最大互信息法最大互信息法接下來尋找一個(gè)變換使得一幅圖像經(jīng)過此變換后和另一幅接下來尋找一個(gè)變換使得一幅圖像經(jīng)過此變換后和另一幅圖像的互信息最大。一般采用剛體變換，即在三維空間中圖像的互信息最大。一般采用剛體變換，即在三維空間中尋找三個(gè)方向上的平移值和旋轉(zhuǎn)角度。對(duì)

60、于大規(guī)模斷層掃尋找三個(gè)方向上的平移值和旋轉(zhuǎn)角度。對(duì)于大規(guī)模斷層掃描醫(yī)學(xué)圖像來說，三維體積數(shù)據(jù)集包含的數(shù)據(jù)量極大無法描醫(yī)學(xué)圖像來說，三維體積數(shù)據(jù)集包含的數(shù)據(jù)量極大無法滿足臨床上實(shí)時(shí)處理的要求，因此必須采取優(yōu)化措施。滿足臨床上實(shí)時(shí)處理的要求，因此必須采取優(yōu)化措施。常用無需計(jì)算梯度的常用無需計(jì)算梯度的PowellPowell多參數(shù)優(yōu)化算法。多參數(shù)優(yōu)化算法。 最大互信息法最大互信息法8.5 8.5 圖像配準(zhǔn)的評(píng)估圖像配準(zhǔn)的評(píng)估 醫(yī)學(xué)圖像配準(zhǔn)，特別是多模醫(yī)學(xué)圖像配準(zhǔn)結(jié)果的評(píng)估一醫(yī)學(xué)圖像配準(zhǔn)，特別是多模醫(yī)學(xué)圖像配準(zhǔn)結(jié)果的評(píng)估一直是件很困難的事情。由于待配準(zhǔn)的多幅圖像基本上都是直是件很困難的事情。由于待配準(zhǔn)