基于量子行为粒子群算法的多分辨率医学图像配准方法技术

本发明专利技术涉及一种基于量子行为粒子群算法的多分辨率医学图像配准方法，特征是首先将待配准的两幅图像进行去除背景，使得图像避免噪声的干扰，然后将去除背景后的两幅图像利用小波变换方法得到低分辨率的图像，以低分辨率图像作为对象，将它们的归一化互信息作为目标函数，利用具有量子行为的粒子群优化算法，再以高分辨率图像作为对象，利用Ｐｏｗｅｌｌ方法，得到两幅待配准图像之间的旋转量与平移量以完成图像的配准。本发明专利技术解决了基于互信息的目标函数存在许多局部极值，大大地提高了配准精度和速度，达到了亚像素级；在临床诊断的图像判别、放射治疗的图像定位和外科手术的图像引导等领域有广泛的应用。

【技术实现步骤摘要】

本专利技术涉及一种，具体地说是可以用来解决使用互信息的目标函数存在的诸多局部极值问题，在临床诊断的图像判别、放射治疗的图像定位和外科手术的图像引导等领域有广泛的应用。
技术介绍
在已有技术中，医学图像的配准技术是90年代发展起来的医学图像处理的一个重要分支，是医学图像处理的一项基本任务，对于临床诊断和治疗有重要意义，受到了医学界和工程界的重视。医学图像配准是指对于一幅医学图像寻求一种(或一系列)空间变换，使它与另一幅医学图像上的对应点达到空间上的一致，这种一致是指人体上的同一解剖点在两张匹配图像上有相同的空间位置。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的点及感兴趣的点都达到匹配。医学图像配准主要有两大类方法，基于灰度的方法和基于特征的方法。基于灰度的配准方法直接利用图像的灰度数据进行配准，从而避免了因分割而带来的误差，具有精度较高、鲁棒性强、不需要预处理而能实现自动配准，在基于灰度的配准方法中，基于互信息的方法包括互信息和归一化互信息方法已经被广泛使用并具有最高的精度。 基于互信息的医学图像配准中使用较多的优化算法有Powell法、单纯形法、遗传算法、模拟退火算法、粒子群优化算法等。这些优化算法各有优点，但也存在不足之处。例如Powell法与遗传算法都是无需求导数的直接优化法，但遗传算法的收敛速度较慢，而Powell法的优化速度虽然很快，但容易陷入局部最优，而粒子群优化算法虽然收敛快，但由于不是全局优化算法，因此也容易陷入局部最优解。在实际应用中，经常将多种优化算法混合使用，即开始时使用粗略的快速算法，然后使用精确的慢速算法。
技术实现思路
本专利技术的目的在于克服上述不足之处，从而提供一种，解决了基于互信息的目标函数存在许多局部极值从而给配准的优化过程带来的困难，大大地提高了配准精度和速度，达到了亚像素级，可以应用于临床诊断、放射治疗和图像引导的外科手术等领域；并且为提高配准过程的速度和精度以及鲁棒性，提出了使用多分辨率的方法来进行图像的配准。 本专利技术的主要解决方案是这样实现的 首先使用种子填充算法去除参考图像和待配图像的背景部分；再小波变换得到两幅低分辨率图像；然后使用量子行为粒子群算法求解出低分辨率图像的一组配准参数；最后在低分辨率图像的一组配准参数基础上，以高分辨率图像作为研究对象，使用Powell方法求解出更精确的配准参数。 为了能够实现上述的方法，在本专利技术的技术方案中，首先将待配准的两幅图像进行去除背景的操作使得图像避免噪声的干扰，然后将去除背景后的两幅图像利用小波变换方法经一次或多次变换后得到低分辨率的图像，以低分辨率图像作为研究对象，将它们的归一化互信息作为目标函数，利用量子行为的粒子群(Quantum-behaved Particle Swarm Optimization，QPSO)算法以较快的速度和较强的全局求解能力求得一组精度不高的解，再以高分辨率图像作为研究对象，基于它们的归一化互信息作为目标函数，利用Powell方法，将精度不高的解作为它的输入求出精度较高的解，得到两幅待配准图像之间的旋转量与平移量以完成图像的配准。 本专利技术一种，特征是采用以下配准步骤 1、图像的背景去除为了使图像免除噪声的干扰，需要将图像的背景去除；输入图像f，先求出图像中的最大和最小灰度，并令阈值初始为它们的平均值，然后根据阈值，将图像分割成参考图像和待配图像两部分，分别求出两部分的平均灰度值，由这两部分的平均灰度值求出新的阈值，最后使用种子填充算法去除参考图像和待配图像的背景部分； 2、小波变换得到两幅低分辨率的图像去除背景后的参考图像和待配图像进行小波变换，利用小波变换方法经一次或多次变换后得到两幅低分辨率的图像为了降低图像的分辨率，需要将图像进行小波变换；图像通过它与低通滤波器的卷积形成一个平滑信号，与高通滤波器的卷积形成一个细节信号，从而把原图像分解为低分辨率的图像。实验中应用有平滑信号的那幅图像。 3、利用量子行为粒子群算法求取配准参数经过处理的两幅低分辨率的图像，以归一化互信息作为目标函数，即使用量子行为粒子群算法求解得到低分辨率图像；即首先在解空间初始化一组粒子，计算粒子的目标函数值，即归一化互信息值，然后粒子通过追寻个体最优位置与全局最优位置经过一定的迭代次数后完成寻优过程； 4、利用Powell方法求取配准参数经过量子行为粒子群算法す求得的配准参数作为初始值，以高分辨率图像作为对象，使用归一化互信息作为目标函数，将将低分辨率图像的配准参数作为Powell方法的输入，利用共轭方向并以此作为搜索方向，在一定迭代次数后输出最终的配准参数，从而完成图像配准。 所述的低分辨率的图像，以归一化互信息作为目标函数，使用QPSO算法求解出一组配准参数，具体为 (1)首先在解空间初始化一组粒子，计算粒子的目标函数值，即归一化互信息值，然后粒子通过量子行为粒子群算法的搜索，寻找个体最优位置与全局最优位置经过一定的迭代次数后完成寻优过程； (2)迭代求解过程中，利用三线性PV算法实现插值； (3)在计算互信息时，对出界点进行修正处理。 所述的利用三线性PV算法实现插值利用三线性PV算法实现插值在求解过程中，由于浮动图像上的点通过空间变换后得到的点的坐标不一定是整数，需要通过插值方法来得到变换点的灰度值；三线性PV插值算法不会引入新的灰度值，浮动图像中的一点的灰度对联合直方图的贡献是由参考图像中的点的周围最近邻的8个点取与三线性插值算法相同的权重加权而得到，这可以使计算互信息的更为精确，对于优化过程中的局部极值问题有所缓解。 所述的处理出界点计算互信息时，对出界点进行修正处理，出界点是当浮动图中的某样本点经过一定的空间变换后的对应点落在参考图之外的点，互信息的计算必须考虑出界点；处理出界点时当出界点的灰度等于距其最近的边界像素点的灰度，这样相当于扩大了参考图的背景，同时保持优化过程中的样本数不变，计算的互信息更为准确。 本专利技术与已有技术相比具有以下优点 本专利技术误配率低，配准速度快，配准精度高。因此，本专利技术解决了基于互信息的目标函数存在许多局部极值从而给配准的优化过程带来的困难，大大地提高了配准精度和速度，达到了亚像素级。应用于临床诊断、放射治疗和图像引导的外科手术，为他们提供了有效的辅助手段。 本专利技术的优点还可以从如下的实验中得到验证 选取人头部MRI图像1幅(256像素×256像素)，如图3所示把图像去除背景，如图4所示去除背景后的图像顺时针旋转30°，再向下平移、向右各平移5个像素，如图5所示将去除背景的原图像作为参考图像，变换后的图像作为浮动图像，分别用4种算法，即Powell方法，PSO算法，QPSO算法，QPSO算法与Powell方法结合的方法，分别进行配准，每种算法分别运行10次，得到的配准结果 1、误配率低从表1的统计数据可以看出，QPSO参与的方法能够保证配准的结果，具有较强的鲁棒性； 表1各种算法的误配率 2、配准速度快如图2所示给出了PSO算法与QPSO算法求解配准参数的目标函数值的收敛曲线，从附图2的曲线可以看出，与PSO算法相比，QPSO算法能够更快的收敛到稳定解，也就表明，QPSO算法具有本文档来自技高网...

【技术保护点】
一种基于量子行为粒子群算法的多分辨率医学图像配准方法，其特征是采用以下配准步骤：（１）、图像的背景去除：先求出图像中的最大和最小灰度，并令阈值初始为它们的平均值，然后根据阈值将图像分割成参考图像和待配图像，分别求出参考图像和待配图像的平均灰度值，由参考图像和待配图像的平均灰度值求出新的阈值，最后使用种子填充算法去除参考图像和待配图像的背景部分；（２）、小波变换得到两幅低分辨率的图像：去除背景后的参考图像和待配图像进行小波变换，利用小波变换方法经一次或多次变换后得到两幅低分辨率的图像；（３）、利用量子行为粒子群算法求取配准参数：经过处理的两幅低分辨率图像，以归一化互信息作为目标函数，使用量子行为粒子群算法，即使用量子行为粒子群算法求解得到两幅低分辨率图像的配准参数；（４）、利用Ｐｏｗｅｌｌ方法求取配准参数：经过求得的配准参数作为初始值，以高分辨率图像作为对象，使用归一化互信息作为目标函数，将低分辨率图像的配准参数作为Ｐｏｗｅｌｌ方法的输入，利用共轭方向并以此作为搜索方向，在一定迭代次数后输出最终的配准参数，从而完成图像配准。

【技术特征摘要】

【专利技术属性】
技术研发人员：孙俊，须文波，方伟，丁彦蕊，蔡宇杰，柴志雷，朱治军，陈磊，
申请(专利权)人：江南大学，
类型：发明
国别省市：32[中国|江苏]