第3O卷第1期 2011年2月 兰州交通大学学报 Journal of Lanzhou Jiaotong University Vo1.3O N 】 Feb.2011
文章编号:1001—4373(2011)01-0033—04
基于互信息快速算法的多模医学图像配准
孙滕, 刘云伍, 田 源
(兰州交通大学电子与信息工程学院,甘肃兰州730070)
摘要:互信息作为相似性测度在多模医学图像配准领域得到了广泛应用,具有高精度和稳健的特点.但频繁的互 信息计算降低了配准效率,同时对两幅图像重叠区域比较敏感.采用归一化互信息为测度,降低互信息计算中灰度 级的快速算法,通过多模aT/MRI配准实验证明,可以在确保配准精度的同时缩短时间提高配准效率. 关键词:互信息;灰度级;多模 中图分类号:TP317.4 文献标志码:A
0引言
医学影像的发展为临床提供了多种医学图像模
式,成为有效地辅助手段.单一模态的医学图像往往
不能满足临床需求,图像融合为诊断和治疗提供了
更加丰富的综合信息,多模图像配准是图像融合的
基础和关键技术,互信息[1 ]算法不需要对图像进行
分割等预处理,对不同成像模式下图像的灰度关系
不做任何假设,被广泛应用于多模图像配准.
互信息的计算是基于两幅图像重叠部分的联合
直方图,重叠部分的大小对互信息的度量有很大影
响,互信息与两幅图像重叠部分多少成正比,研究表
明误配量的增加反而会引起互信息的增大,从而导
致最大化互信息并不能得到精确的配准结.Meas和
Studholme等人分别提出了熵相关系数和归一化互
信息[3]两种正规化的互信息测度.Pluim等人通过给
互信息乘以一个梯度项将空间信息结合在配准准则
中,Butz和Thiran等人将互信息应用于一种边缘测
度,罗述谦教授提出了基于形状互信息的配准算法.
基于互信息的配准算法实质上是优化算法对互
信息的寻优求解过程,其中包含了频繁计算互信息
的浮点计算,是影响互信息算法效率的根源.有研究
表明互信息计算与图像灰度级密切相关,因此可以
将原始图像映射到一个较低灰度范围,对低灰度级
图像进行配准以减少互信息计算及寻优时间,从而
在保证精度的前提下提高速度.
结合归一化互信息与互信息的快速计算方法对 多模医学图像进行配准可以得到高精度的配准结果
同时增强鲁棒性.
1互信息配准理论
1.1互信息
互信息(mutual information,MI)是信息理论中
的一个基本概念,通常用于描述两个系统问的统计
相关性,它可以用Shannon熵来描述.Shannon熵
所表达的是一个系统的复杂性或者是不确定性.在
多模图像配准中,不同成像模式的图像在灰度级差
别上并不相似,但对同一解剖结构,对应像素点问灰 度统计并非独立,而是相关的[4],考虑图像F(Fixed
Image)和M(Moving Image),它们之间存在某一空
间映射关系 (a是空间变换参数).当两幅基于共
同解剖结构的图像达到最佳配准时,其中一幅图像
中表达的关于另一幅图像的信息即它们的互信
息D,s]应达到最大.这就是最大互信息作为配准测
度的基础,可用如下公式(1)表示:M1即两幅图像
的互信息,互信息配准算法流程如图1所示.
图1互信息配准流程 Fig.1 Process 0f mutual information registration
收稿日期:2010—09—20 基金项目:甘肃省自然科学基金(o8o32JZAO15);甘肃省科技攻关项目(0708GKCA047);兰州市科技计划项日(2010—1-6) 作者简介:孙滕(1984一),男,山东滕州人,硕士生.
兰 州 交通大学学 报 第3O卷
互信息的数学表达式如下:
MI(F,M)一H(F)十H(M)一H(F.M)(1)
其中:H(・)是Shannon熵,
H(F)=—一∑Pt一.厂)logP r:( ) (2) r H(M)==:~ PM(m)IOgPM(m) (3)
H(F・ D一~ P (.厂, )logP ̄M(L厂,7 )(4)
P¨PM,PⅢ分别是参考图像、浮动图像各自的
边缘概率分布和联合概率分布,f, z是参考图像和
浮动图像对应像素的灰度值,其计算表达式如下:
P (.厂, ): 厶 ( , )(5) 己 f、nl PF(.厂)一 P (_厂,m) (6)
PM(m)一> P_r=1Ⅵ(.厂,m) (7)
】.2 重叠度对互信息的影响
根据互信息原理,当两幅图像完全没有重叠区
域时,H(F,M)=H(F)+H(1VI),由式(1)互信息
和熵的关系可以知道,此时两幅图像的互信息为0.
当两幅图像之间的重叠部分逐渐增多时,联合灰度
概率式(5)增大 ,同时互信息也增加.通过实验分
析了重叠度对互信的影响,如图2所示.
b CTlinage2
图2脑部CT图像
Fig.2 Brain CT image 图2b是图2a向右平移3个像素,向下平移2个
像素获得;图2c是图2a向右平移8个像素,向下平 移1个像素获得.通过计算,图2a与其自身的互信息
为5.670 3;图2a与图2b的互信息为1.814 6;图2a
与图2c的互信息为1.478 7.由此可见,互信息和两
幅图像之间的重叠多少成正比关系.在用互信息对
医学图像进行配准时,图像的背景也会对互信息产
生影响,如图3所示.
a固定图
b浮动图 第1期 孙 滕等:基于互信息快速算法的多模医学图像配准
NMI(F, 一 (8)
2互信息的计算分析
互信息的计算实际上是灰度统计和计算的过
程,故可借助直方图估算互信息.具体计算流程如
下:
步骤1计算图像F(i, )和M(i, )的概率分
布函数PDF(f,m),初始置0.
for i一1 to H
for j一1to W
{ .
f=F(i,j);m=M(i,j);
HISTEf,m]=HIST[f,m]+1;
}
sum=O;
for f一1 to L
for m===1 to I
sum=sum-q-HIST[f,m]
for f一1 to I
for m=:=1 to I
PFM(f,m)一HISTEf,m3/sum;
步骤2计算图像F和M的边缘概率分布PF
( 和加PM(m),初始均置0.
for f=1 to L
for m一1 to I
PF(f)一PF+PFM(f,m);
for f—l to I
for m一1 to L
PM(m)=PM+PFM(f,m);
步骤3计算图像F和M的互信息J(F, ,
初始置0.
for f=:=1 to L
for m一1 to I
从以上互信息的计算流程可知,循环次数和图
像的灰度级密切相关 .由此看出减少灰度级可减
少循环次数,可以缩短互信息的计算时问.虽然灰度
级越少互信息计算时问就会越短,但与此同时然而
图像信息也随之减少,致使配准精度受到影响.因
此,需要寻求一个合适的灰度压缩范围,以求保证配
准精度的前提下极大限度的减少配准时间.通过对
不同灰度级的图像配准时间进行简单统计如图4.
在目前的互信息配准方法中,一般配准前将整
幅图像的灰度线性映射到一个灰度变化较小的范 图4不同灰度级下的配准时间
4 Registration time、vitll vary grayscales 围 s-,也就是进行灰度压缩.配准中常用的灰度范围
有0 ̄255,0"--63,0~31,0"---15等,图5为一幅MR
图像在两种不同灰度级的显示效果.
■■
256级MR图像 64级MR图像
图5一幅MR图像在不同灰度级下的显示 Fig.5 Display of a MR image wiHl vary grayscales
3基于灰度压缩的互信息计算与多模医学
图像配准
实验环境:CPU Intel Pentium Dual E2140主
频1.6 GHz,1 G内存
操作系统:Microsoft Windows XP Profession-
al SP2
实验首先选取20对单模CT图像进行实验,浮
动图像事先人为水平移动17像素,垂直移动13像
素,所用的20对单模图像配准,灰度等级数从4~
256误差均方根都小于0.08,都能得到准确的结果,
如图6所示.
喏O・ o. 曩 籁o.
楚0.
图6 4 ̄256级的配准参数的均方根比较 Fig.6 Comparison of RMS with level 4 t
o 256 46 兰州 交通大学学报 第3O卷
Application of Parallel Ant Colony Algorithm with Particle Swarm
Features to Transmission Network Planning
WU Kai—j un .LU Huai—wei
(1.:School of Electronic and Information Engineering,Lanzhou Jiaotong Unversity,Lanzhou 730070,China; 2.School of Physics and Software Engineering,l ̄nzhou Jiaotong Unversity,Lanzhou 730070,China)
Abstract:Transmission network planning is a complex multivariate constrained nonlinear integer optimiza—
tion problem.In order to overcome the problems such as long computing time and easy to fall into local best
for ant colony algorithm,a new parallel ant colony algorithm with particle swarm features is proposed tO
solve transmission network expansion planning.Experimental results show that the algorithm is feasible
and effective for transmission network planning.
Key words:transmission network planning;particle swarm optimization;parallel ant colony algorithm
. 上.. L.址.S止 . L.1屯j屯 .‘屯舢.址. L.址.‘IL. .舢—址.1屯.址.‘t lL—址— .・S屯-址・ ・址
(上接第36页) .址.‘‘L. .址.址.‘lL.‘ .‘ . .址j止舢
Multi—Modality Medical Image Registration Based on Rapid Algorithm of Mutual Information
SUN Teng,LIU Yun—wu,TIAN Yuan
(so・hool of Electronic&Information Engineering。Lanzhou Jiaotong University,Imnzhou 730070,China)
Abstract:The similarity metric mutual information with high precision and stability has been used widely in
multi—modality medical image registration,but frequent calculation of mutual information reduces efficiency
of registration.Moreover,it is sensitive to the overlap of two images.The experiment with CT/MRI image
registration uses normalized mutua1 information as a metric and decreased the grayscale of mutual informa—
tion S calculation.The rapid algorithm proves that it also improves efficiency of registration under a certain
registration precision.
Key words:mutual information;grayscale;multi—modalit
y