研究混合配准策略在多模态医学图像配准中的应用

摘要： 设计了一种由“粗”至“细”的融合配准方案，该方案整合了传统配准技术的优势，并在精细配准阶段将基于特征的配准手段与基于灰度的配准手段相结合，提出了一种以轮廓特征点集最大互信息为依据的配准方式，从而在效率和精确度方面均实现了显著提升。

关键词： 图像配准；数学形态学；力矩主轴法；互信息

1 引言

医学图像配准技术作为医学图像处理领域的重要分支，自20世纪90年代起逐步发展起来。随着医学影像技术的不断进步，该技术在现代医学临床实践与研究中发挥着越来越关键的作用。目前，在临床实践中取得广泛应用的是单模态医学图像的配准与融合方法。对于多模态医学图像的配准问题也已开展了大量研究，并在相关文献中提出了多种不同的解决方案。总体而言，现有方法可以划分为两大类：一类是基于图像特征的方法[1—3]，例如基于点、线、面等特征的方法；另一类是基于图像灰度的方法[4]，如最小化联合熵法、最大化互信息法以及结合互信息和图像梯度的综合方法等。尽管已有众多方法被提出，但其速度与精度往往难以兼顾，并且算法的鲁棒性仍有待加强，这使得多模态医学图像的配准问题在实际应用中仍面临诸多挑战。因此，有必要充分借鉴现有方法的优势，并针对关键难点开展新算法的研究与开发。本文正是在此基础上吸收了以往各类方法的优点，并提出了一种由“粗”到“细”的混合策略：首先对两幅图像进行大致轮廓上的匹配，随后将基