基于特征點和互信息的醫(yī)學圖像配準方法比較研究

鮑軍肖，谷俊改

(承德醫(yī)學院,河北承德 067000)

20世紀以來，隨著醫(yī)學、計算機技術及生物工程技術的發(fā)展，醫(yī)學成像技術迅速發(fā)展，由于設備和設備成像原理的不同，存在多種成像模式，為了在臨床應用中最大程度地利用不同圖像所提供的信息，醫(yī)學圖像配準成為了醫(yī)學圖像研究領域的熱門專題之一，在臨床中的應用也越來越廣泛。

醫(yī)學圖像配準是尋求兩幅醫(yī)學圖像間一對一映射的過程，即對于一幅醫(yī)學圖像尋求一種或一系列空間變換，使兩幅圖像中對應于空間同一位置的點聯(lián)系起來。配準的結果應使兩幅圖像上所有的解剖點，或至少是所有具有診斷意義的點和感興趣的點達到匹配。對醫(yī)學圖像配準的研究最早開始于20世紀80年代，目前對醫(yī)學圖像配準方法的研究現(xiàn)已取得了重大的進展。根據(jù)圖像的屬性不同、配準對象之間的關系不同等，可將圖像配準分為多種不同的類型[1]。本文選擇從整個配準過程分類，基于特征的方法和基于互信息方法兩方面，對醫(yī)學圖像配準進行了比較研究。

1 基于特征點的配準方法

基于圖像特征的配準方法是通過像素值導出的符號特征(特征點、特征線段、特征區(qū)域)來實現(xiàn)圖像配準，主要包括特征提取和特征匹配兩部分。特征提取是圖像配準的基礎和關鍵，通過對常用特征點提取算子，包括Moravec算子、Forstner算子、Harris算子、SUSAN算子和SIFT算子，本文選擇了Harris算子。Harris角點微分算子能夠反映像素點在任意方向上灰度強度的變化，因而能夠有效地區(qū)分角點和邊緣點;并且Harris算法采用了高斯濾波，具有很好的抗噪性、旋轉和仿射不變性。

Harris算子是一種基于靜止圖像的點。特征提取算子的原理是將所處理的圖像窗口W(一般為矩形區(qū)域)向任意方向移動微小位移時，考查窗口平均能量的變化，當該能量變化值超過設定的閾值時，就將窗口的中心像素點提取為角[2]。

Harris角點檢測具有旋轉不變性、運算簡單、運算速度快等優(yōu)點。但在實際應用中仍然存在以下不足:①Harris角點檢測算法在對角點進行非極大值抑制，確定局部極大值時，角點提取的效果完全依賴于閾值T的設定。而T的取值依賴于圖像的屬性，設定時比較盲目[3]。②Harris角點檢測算法中采用了可調窗口的高斯平滑函數(shù)，但實際應用中高斯窗口的大小很難控制。選用的高斯平滑函數(shù)窗口較小，則會有偽角點出現(xiàn);較大窗口的高斯平滑函數(shù)，又會使得角點的位置產生偏移。

2 基于互信息的配準方法

基于互信息的醫(yī)學圖像配準方法，是近年來研究和應用較多的方法，與基于特征點的配準方法相比，它的突出優(yōu)點是不需要做特征提取等預處理，因此需要的人機交互少，易于實現(xiàn)自動配準。本文通過比較選擇了PV插值方法，優(yōu)化算法選擇了Powell算法和PSO算法，并對PSO算法進行改進，選擇了文獻[4]中提出的模糊自適應PSO算法，用自適應模糊慣性權值控制器來動態(tài)優(yōu)化ω。

為了比較兩種優(yōu)化算法的優(yōu)劣，本文選取了五組醫(yī)學圖像進行實驗，實驗過程中保持算法的配準參數(shù)不變，對每組圖片進行五次試驗，記錄其中結果相近的三次數(shù)據(jù)，然后對記錄的數(shù)據(jù)求取平均值。將所得結果用圖形表示，結果見附圖。

附圖 Powell和PSO優(yōu)化算法比較

圖中y表示改進前的PSO算法，y1是改進后的PSO算法，y2則表示Powell算法。從圖中可見，Powell算法的迭代次數(shù)和運行時間遠小于PSO算法，很好的體現(xiàn)了Powell搜索算法需計算梯度，可以加快最大互信息搜索速度的優(yōu)點，但易于陷入局部最優(yōu)值。多數(shù)情況下PSO算法求得的互信息值大于Powell算法，說明PSO算法求得的配準參數(shù)精確度更好，并且PSO算法與改進前的相比較:運行時間縮短了，互信息值也有了一定的提高，說明改進后的PSO算法在速度和精度方面都有一定的提高

3 結果評估

本文主要利用峰值信噪比[5](peak signal and noise ratio，PSNR)、均方誤差(mean squared error，MSE)和圖像統(tǒng)計特性的定量評價指標—交叉熵[6](cross-entropy，CEN)客觀標準地評價圖像的改善效果。PSNR根據(jù)處理后的圖像偏離原始圖像的程度來衡量圖像恢復的質量，PSNR值越大，說明圖像的處理質量越好;MSE越小說明圖像質量越好。CEN也稱相對熵，是評價兩幅圖像差別的關鍵指標，它可直接反映兩幅圖像對應像素的差異，交叉熵越小，兩幅圖像之間的差異越小。

用上述五組醫(yī)學圖像進行實驗,對基于特征點的配準算法和基于互信息的配準算法進行評估，結果見附表。實驗一中Powell的精度最高，PSO次之，Harris精度最低;實驗二中PSO的精度最高，Powell次之，Harris精度最低;實驗三中PSO算法的精度最高，Harris次之，Powell精度最低;實驗四和五中精度最高的是Harris。本文結果說明，如果圖像處理過程中只有圖像的平移變換，基于角點特征的配準方法精度比較高;如果涉及到翻轉、縮放變換，則基于互信息的配準方法精度比較高。但基于角點特征的配準方法運行時間遠小于基于互信息的配準方法，因此，在對時間要求比較高的場合應選擇基于角點特征的配準方法;如果是對精度的要求比較高，就不得不放棄效率換取精度，選擇基于互信息的配準方法。

附表 精度評估結果

4 結語

基于特征點和互信息的兩種配準方法，是醫(yī)學圖像配準中最常用的兩種方法[7]，它們各有優(yōu)缺點，基于特征點的配準方法的配準依據(jù)是提取圖像中的角點特征，只涉及到圖像的平移時精度較高，具有計算量小、速度快的優(yōu)點，但是抗噪性差;基于互信息的配準方法直接利用圖像的全部灰度信息，在多模態(tài)配準中精度較高，噪聲較小時，抗噪性較好，但是計算量大、速度慢。

[1]劉哲星.醫(yī)學圖像回溯性配準研究[D].廣東:第一軍醫(yī)大學,2002.

[2]趙海峰,姚麗莎,羅斌.改進的人工魚群算法和POWELL法結合的醫(yī)學圖像配準[J].西安交通大學學報,2011,45(4):46-52.

[3]張小洪,李博，楊丹.一種新的Harris多尺度角點檢測[J].電子與信息學報，2007，29(7):1735-1738.

[4]樊志華,王春鴻,饒長輝,等.基于Harris角點量與相位相關的亞像素級圖像配準方法[J].計算機應用研究,2011,28(2):788-791.

[5]Zhiyong Gao,Bin Gu,Jiarui Lin.Monomodal image registration using mutual information based methods[J].Image and Vision Computing,2008,26(2):164-173.

[6]馬賓,馬德貴,廖建敏.基于多分辨率的多模態(tài)醫(yī)學圖像配準[J].量子電子學報,2012,29(1):15-20.

[7]李娜,呂曉琪,張寶華,等.基于體素相似性的三維多模腦圖像配準研究[J].中國醫(yī)學影像學雜志,2013,21(2):146-151.