基于混合互信息和改进粒子群优化的图像配准方法
【专利摘要】本发明提供了一种基于混合互信息和改进粒子群优化的图像配准方法，包括如下步骤：以Renyi熵计算浮动图像和参考模板图像的间互信息；设置种群规模大小、算法迭代的最大步数和非线性调节参数n、最小阈值；根据PSO算法速度更新和位置更新公式计算每一个粒子新的速度和位置，进而更新局部最优解Pid和全局最优解Pgd；以shannon熵作为相似性测度对全局最优解Pgd局部寻优，记算得到的全局最优解Rid；比较所述全局最优解Rid与预设的最小阈值Fmin，直到迭代结束或算法配准失败，算法结束；映射变换后的图像的各个像素的灰度值。相较现有技术，本发明的计算速度快、配准时间短、配准参数更为准确。
【专利说明】
基于混合互信息和改进粒子群优化的图像配准方法
技术领域
[0001] 本发明设及医学图像配准技术领域，具体来说设及一种基于混合互信息和改进粒 子群优化的图像配准方法。
【背景技术】
[0002] 图像配准技术在医学图像处理领域扮演着重要的角色。医学图像配准主要分为基 于特征的配准和基于体素的配准，其中基于互信息的体素配准方法使用最为广泛，。所述基 于互信息的体素配准方法是指对图像本身的灰度信息进行配准，W相似性测度为基本配准 指标，计算两图像间在不同变换下的相似度。但是运种方法其配准时间长、计算量大、计算 复杂度高。而基于特征的配准需要提取待配准图像的特征，有时还需要进行分割等处理，自 由度不高，因此需要经验丰富的医生或者专家介入才能完成配准。综上所述，目前基于互信 息的体素配准方法存在运样一些问题:配准时间长、计算量大、计算复杂度高；自动化程度 不高，需要经验丰富的医生或者专家介入才能完成配准;虽然配准速度快，但是容易导致误 匹配。因此，如何克服现有技术中的上述问题是本领域技术人员需要研究的方向。
【发明内容】
[0003] 本发明的目的是提供一种一种基于混合互信息和改进粒子群优化的图像配准方 法，W克服现有技术所存在的上述问题。
[0004] 其采用的技术方案是：
[0005] -种基于混合互信息和改进粒子群优化的图像配准方法，其特征在于包括如下步 骤：
[0006] Sl: WRenyi赌计算输入的浮动图像和所选参考模板图像的间互信息；
[0007] S2:设置种群规模大小、算法迭代的最大步数和非线性调节参数n、最小阔值，W及 绕3个坐标轴的平移参数和旋转参数；
[000引S3:进行第一次迭代过程，根据PSO算法速度更新和位置更新公式计算每一个粒子 新的速度和位置，进而更新局部最优解Pid和全局最优解Pgd;
[0009] S4:Wshannon赌作为相似性测度对全局最优解Pgd局部寻优，根据预先设计的最大 迭代次数或最小阔值条件判断算法走向，记算法得到的全局最优解Rid;
[001 0] S5:比较所述全局最优解Rid与步骤S2所预先设计的最小阔值Fmin，若Rid >Fmin，贝IJ 没有达到目标期望的精度要求，算法转至步骤S3继续迭代；
[0011]若反之，则顺序至步骤S6;
[001。若迭代达到最大迭代步数要求，依然是Rid >Fmin，则算法配准失败，算法结束；
[0013] S6: WPV插值算法映射变换后的图像的各个像素的灰度值。
[0014] 优选的是，在上述图像配准方法中：
[0015] 皿的计算公式为：
[0016]
[0017]其中n为非线性肢性权重的调节指数，n的取值为下式：
[001 引
[0019] 而在现有巧术中非线忡递减PSO算法中，其W的计算公式为：
[0020]
[0021] 其中Uax为初始时预定的最大迭代次数，t为当前迭代次数，巧mx、分别为惯性 权重最大值和最小值，若Uax设置过大，则捜索到最优解之后仍继续迭代，运将增加算法的 平均捜索时间。相反，若Uax设置过小，则有可能还没有进入局部寻优的过程更新就停止了。
[0022] 而通过采用本发明的技术方案:n在不同迭代次数时选取不同区间的随机值，随着 不同的n的取值，?尚的递减速率是不同的，当n的取值为1.0时，惯性权重呈线性递减变化 状态。
[0023] 因此，与现有技术相比，本发明的计算速度快、配准时间短、配准参数更为准确。
【附图说明】
[0024] 图1为本发明的逻辑流程图。
【具体实施方式】
[0025] W下结合实施例对本发明做进一步的描述。
[00%] 如图1所示实施例1:
[0027] -种基于混合互信息和改进粒子群优化的图像配准方法，其特征在于包括如下步 骤：
[0028] Sl: WRenyi赌计算输入的浮动图像和所选参考模板图像的间互信息；
[0029] S2:设置种群规模大小、算法迭代的最大步数和非线性调节参数n、最小阔值，W及 绕3个坐标轴的平移参数和旋转参数；
[0030] S3:进行第一次迭代过程，根据PSO算法速度更新和位置更新公式计算每一个粒子 新的速度和位置，进而更新局部最优解Pid和全局最优解Pgd;
[0031] S4: ^shannon赌作为相似性测度对全局最优解Pgd局部寻优，根据预先设计的最大 迭代次数或最小阔值条件判断算法走向，记算法得到的全局最优解Rid;其中，ST的计算公式 为：
[0032]
[0033] 其中n为非线性惯性权重的调节指数，n的取值为下式：
[0034]
[00对 S5:比较所述全局最优解Rid与步骤S2所预先设计的最小阔值Fmin，若Rid>Fmin，则 没有达到目标期望的精度要求，算法转至步骤S3继续迭代；
[0036] 若反之，则顺序至步骤S6;
[0037] 若迭代达到最大迭代步数要求，依然是Rid >Fmin，则算法配准失败，算法结束；
[0038] S6: WPV插值算法映射变换后的图像的各个像素的灰度值。
[0039] W上所述，仅是本发明的实施例，本发明不受限于上述实施例的限制，凡依据本发 明的技术实质对上述实施例所作的类似修改、变化与替换，仍属于本发明技术方案的范围 内。本发明的保护范围仅由权利要求书界定。
【主权项】
1. 一种基于混合互信息和改进粒子群优化的图像配准方法，其特征在于包括如下步 骤： S1:以Renyi熵计算输入的浮动图像和所选参考模板图像的间互信息； S2:设置种群规模大小、算法迭代的最大步数和非线性调节参数n、最小阈值，以及绕3 个坐标轴的平移参数和旋转参数； S3:进行第一次迭代过程，根据PSO算法速度更新和位置更新公式计算每一个粒子新的 速度和位置，进而更新局部最优解Pld和全局最优解Pgd; S4:以shannon熵作为相似性测度对全局最优解Pgd局部寻优，根据预先设计的最大迭代 次数或最小阈值条件判断算法走向，记算法得到的全局最优解Rid ; S5:比较所述全局最优解Rid与步骤S2所预先设计的最小阈值Fmin，若Rid>F min，则没有达 到目标期望的精度要求，算法转至步骤S3继续迭代； 若反之，则顺序至步骤S6; 若迭代达到最大迭代步数要求，依然是Rld>Fmin，则算法配准失败，算法结束； S6:以PV插值算法映射变换后的图像的各个像素的灰度值。2. 如权利要求1所述一种基于混合互信息和改进粒子群优化的图像配准方法，其特征 在于： 所述步骤S4中，?的计算公式为：其中η为非线性惯性权重的调节指数，η的取值为下式：
【文档编号】G06T7/00GK105957097SQ201610534872
【公开日】2016年9月21日
【申请日】2016年7月8日
【发明人】余维, 聂小英
【申请人】湖北科技学院