第２８卷第９期 计算机仿真 ２０１１年９月
文章编号：１００６—９３４８（２０１１）０９—０２９１—０４
医学图像配准算法研究
秦洪英
（乐山师范学院计算机科学学院，四川乐山６１４００４）
摘要：研究图像配准精度优化问题，医学图像由多种图像结合，利用图像各自的特点进行融合。图像配准技术一直被广泛应
用在医学图像和遥感图像领域中，针对传统的图像配准算法效率和精度较低等不足，为了提高医学图像配准的准确度，提出
了一种将改进的最大熵算法并应用到图像配准的优化过程中，算法首先将输入的待配准图像进行灰度处理，对灰度值进行
初始化，然后采用遗传算法的选择、交叉和变异操作对图像进行平滑，并选择最优值，最后采用最大熵算法对图像进行配准
选择，算法有效克服了传统遗传算法容易陷入局部最优的缺点。仿真结果表明了改进的算法有效的提高了图像配准的精确
度，验证了改进算法是有效的图像配准方法。
关键词：遗传算法；图像配准；自适应；交叉；变异
中图分类号：ＴＰ３９１ 文献标识码：Ｂ
Ｍｕｌｔｉｍｏｄａｌｉｔｙ Ｉｍａｇｅ Ｒｅｇｉｓｔｒａｔｉｏｎ
ＱＩＮ Ｈｏｎｇ－ｙｉｎｇ
（Ｌｅｓｈａｎ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ，Ｓｉｅｈｕａｎ Ｌｅｓｈａｎ ６１４００４，Ｃｈｉｎａ）
ＡＢＳＴＲＡＣＴ：Ｔｈｅ ｐｒｏｂｌｅｍ ｏｆ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ ａｃｃｕｒａｃｙ．Ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ ｔｅｃｈｎｉｑｕｅｓ ｈａｓ ｂｅｅｎ ｗｉｄｅｌｙ ｕｓｅｄ ｉｎ
ｍｅｄｉｃａｌ ｉｍａｇｉｎｇ ａｎｄ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅｓ，ａｎｄ ｏｔｈｅｒ ｆｉｅｌｄｓ，ｆｏｒ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ａｎｄ ｌｏｗ
ｅｆｆｉｃｉｅｎｃｙ ａｎｄ ｌａｃｋ ｏｆ ｐｒｅｃｉｓｉｏｎ，ａ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ ｔｏ ｉｍｐｒｏｖｅ ａｄａｐｔｉｖｅ ａｎｄ ａｐｐｌｉｅｄ ｔｏ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ ｔｈｅ ｏｐｔｉｍｉ—
ｚａｔｉｏｎ ｐｒｏｃｅｓｓ，ｔｈｅ ａｌｇｏｒｉｔｈｍ ｆｉｒｓｔ ｐｒｅ－ａｎｄ ｐｏｓｔ ｗｅｒｅ ａｄｊｕｓｔｅｄ ｕｓｉｎｇ ｅｖｏｌｕｔｉｏｎａｒｙ ｃｒｏｓｓｏｖｅｒ ｐｒｏｂａｂｉｌｉｔｙ ａｎｄ ｍｕｔａｔｉｏｎ
ｐｒｏｂａｂｉｌｉｔｙ，ｔｈｅ ｓｅｃｏｎｄ ＣＲＯＳＳ，ａｎｄ ｉｍｍｉｇｒａｔｉｏｎ ｓｔｒａｔｅｇｉｅｓ ｔｏ ｏｖｅｒｃｏｍｅ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ ｉｓ ｅａｓｙ ｔｏ ｆａｌｌ
ｉｎｔｏ ｌｏｃａｌ ｏｐｔｉｍｕｍ ｓｈｏｒｔｃｏｍｉｎｇｓ．Ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｅｆｆｅｃｔｉｖｅｌｙ ｉｍｐｒｏｖｅｓ ｔｈｅ ａｃｃｕｒａｃｙ ｏｆ ｉｍａｇｅ
ｒｅｇｉｓｔｒａｔｉｏｎ，ａｎｄ ｗｉｔｈ ｔｈｅ ｃｏｍｍｏｎ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｃｏｍｐａｒｅｄ ｔｏ ｖｅｒｉｆｙ ｔｈｅ ｆｅａｓｉｂｉｌｉｔｙ ｏｆ ｔｈｅ ｍｅｔｈｏｄ ｉｓ ａｎ
ｅｆｆｉｃｉｅｎｔ ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ ａｌｇｏｒｉｔｈｍ．
ＫＥＹＷＯＲＤＳ：Ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍｓ；Ｉｍａｇｅ ｒｅｇｉｓｔｒａｔｉｏｎ；Ａｄａｐｔｉｖｅ；Ｃｒｏｓｓ；Ｖａｆｉａｔｉｏｎｋｙｋｙ
１ 引言
根据医学图像所提供的信息，可将医学图像分为两大
类：解剖结构图像和功能图像，这两大图像有着各自的优缺
点。像ＣＴ、ＭＲＩ、Ｘ线解剖结构图像能够提供脏器的解剖形
态信息，但无法反映脏器的功能情况，分辨率以较高；像
ＳＰＥＣＴ，ＰＥＴ等功能图像，能够提供脏器功能代谢信息，分辨
率比较差。这些信息是对疾病特别是肿瘤进行早期诊断的
重要依据。目前医学影像学的一个明显的发展趋势是利用
信息融合技术，充分利用不同医学图像各自呈现出来不同方
面，把多种医学图像结合起来，就可以使人体的多方面信息
在一幅图像上同时呈现出来，从而更加便于医务工作者能够
更加直观全面了解患者的生理及病理等特征信息，更容易对
症治疗。
收稿日期：２０１１—０１—１２修回日期：２０１１～０３—２２
如何高效便捷的达到上述目的，在目前国内外研究中，
最值得关注的是Ｐｏｗｅｌｌ法，这来源于Ｐｏｗｅｌｌ法与生具有的无
需求导数的直接优化，因而可以方便于任何空间的搜索，这
样优化的速度是非常快的，但其有着致命的缺点容易陷入局
部最优。遗传算法中实现了并行计算，并且算法中的杂交和
变异操作可以使算法避免陷入局部最优，所以有着强大的优
化能力，但同时也要看到它以增加时间为代价来找命中的参
数导致了速度慢。由上面的优缺点可以看到，选择何种算法
要视情况而定，对于参数相对较少的情况，一般可以选择
Ｐｏｗｅｌｌ算法，来提高配准的速度，但在实际应用中，由于情况
复杂多变，使用单一算法往往不能满足需求。经常多种优化
算法混合使用，可以开始时使用粗略的快速算法，然后使用
精确的慢速算法，或者两个混合使用等。
由于传统的图像配准算法，由于算法复杂度较高，造成
图像配准的精度低。本文在传统的最大熵图像配准算法的
基础上，提出了一种改进的最大熵算法医学图像匹配方法首
一
２９】一
先将输入的待配准图像进行灰度处理，对灰度值进行初始
化，然后采用遗传算法的选择、交叉和变异操作对图像进行
平滑处理，并选择最优值，最后采用最大熵算法对图像进行
配准操作，实验表明本文算法的有效性和实用性。
２图像配准相关原理
２．１ 图像特征以及配准原理
医学图像配准是指对于一幅医学图像寻求一种空间变
换，使它与另一幅医学图像上的对应点达到空间上的一致。
这里的意思是指在两张ｐ１；配图像上能够找到人体上的同一
解剖点的相同的空问位置．配准的结果应使两幅图像上所有
的解剖点达到 配，至少包括具有诊断意义的点及手术感兴
趣的点。图１所示配准示意图。从不同角度、不同位置拍摄
同一个人的两张照片，由于拍摄条件不同，每张照片反映的
特征也不相同，想要清楚得到人的全貌的融合图像，就要将
这两张照片进行配准，就是将其中的一张人像做一系列的移
动和旋转，使它能够在大致程度上达到与另一幅的对齐。其
中把保持不动的图像称为参考图像，变换的图像称作浮动图
像。
浮动图像
参考图像
空间变抉
［＝：＞
图１ 图像配准原理示意图
２．２图像配准主要步骤
图像配准一般南以下三个步骤组成：
１）根据待配准图像（浮动图像）Ｉ２与参考图像（基准图
像）Ｉ１，组成图像的特征信息空间；
２）根据提取ｍ的这个特征空间来确定出一种空间变换
（Ｔ），使待配准图像Ｉ２在该变换后相似于参考图像Ｉ１，即Ｉ１
＝Ｔ（Ｉ２）；
３）还需采取一定的优化措施来使变换后的相似度能够
在最短时间内达到最优。当然，配准过程并不绝对按上述步
骤进行，比如一些自动配准方法，不包括特征提取步骤。另
外，在实际计算过程中步骤２）和３）是彼此交叉进行的。
对于在不同条件下获取的两幅图像Ａ（ｘ）和Ｂ（ｘ）的配
准，就是要定义一个空间变换关系，使得经过该空间变换关
系后使得这两幅图像的相似性达到最大，也就是说图像Ａ上
的每一个点对应在图像Ｂ的某一个上，并且每一个都能找
到，并且这两点对应的解剖位置相同。
．－－——
２９２．．．——
３遗传算法优化最大熵图像配准算法
（ｍｉｌ ｍ１２ ３
Ｒ＝
ｍｌ１ ｍ１２ ｍ２ｌ ｍ２２ ｍ３１ ｍ３２ ０ ０ ｍ１３ ｍ１４
ｍ２３ ｍ
ｍ３３ ｍ３４
０ １
在ｃＴ台架倾斜引起的剪切，ＭＲ梯度线圈不完善等各种
的畸变一半均可用的仿射变进行校正。图像配准过程是一
个多参数的优化过程，即搜索使两幅图像间的互信息最大的
空间变换的过程，找到最优的参数ｔ ，ｔ ，ｔ ， ， ， 。
３．１．１ 最大熵算法图像配准原理
最大熵算法主要思想就是按照使 的熵达到最大的原则
来选择其概率分布Ｐ，如果所选择的概率分布使得 的熵小
于最大值，那么必然在求解的过程中有意或无意地添加了一
些假设信息，而这些假设信息通常是没有依据的。所以，按
照最大熵原则所得到的估计是在有限信息条件下的最客观、
最小偏见的选择。
假设存在概率分布均不相同的Ａ区和Ｂ区两个区，采用
灰度一区域灰度均值的后验概率，对 区和Ｂ区各自发生的
概率进行归一化处理，使Ａ区和Ｂ区之间的熵更具有可加
性。设定配准阈值为（ ，ｔ），计算背景区域和目标区域两个
区域的概率分别为Ｐ 和Ｐ。，则有：
Ｐ ＝∑∑ｅ（ｉ， ）
其中， ：１，２，…，ｓ， ＝１，２，…，ｔ
Ｐ。＝∑∑ｅ（ｉ， ）
其中，ｉ＝ｓ＋１，ｓ＋２，…，Ｌ一１√＝ｔ＋１，ｔ＋２，…，Ｌ一１
定义离散熵值为：
Ｈ一∑∑Ｐ ｌｇｐｔＪ
则目标区域和背景区域的二维熵分别为：
１４（。 ＝一 ｓ（ ）：ｌｇｐ。ｐＨ
。
ｏ
日ｃ ，：一
Ｐ ｂ
ｌｇ（ ）＝ ＋
其中，