基于继承PSO算法的动态脑磁共振图像配准

阮定良，杨 凡，高乙文，谢 薇，张 波

（1.重庆金美通信有限责任公司，重庆400030；2.中国移动重庆分公司，重庆400044）

基于继承PSO算法的动态脑磁共振图像配准

阮定良1，杨 凡1，高乙文2，谢 薇1，张 波1

（1.重庆金美通信有限责任公司，重庆400030；2.中国移动重庆分公司，重庆400044）

提出了一种用于动态图像配准的混合角点继承PSO算法。该方法采用混合角点检测算子来提取角点，并将继承最优种群的思想引入到PSO优化算法中，即对当前图像配准得到的最优种群进行动态继承与变化后，再用于指导后续图像的配准。实验表明：所提出的算法不仅克服了传统的随机重启方式的脑磁共振图像配准算法中随机设定参数导致配准速度慢的问题，而且提高了图像的配准精度和稳定性。

脑核磁共振图像；角点检测；粒子群优化算法；配准

1 引 言

在如今的医学诊断中，通常需要同时参照两幅或更多的医学图像，从中提取需要的信息来进行比较分析从而掌握病情。然而，成像位置以及成像时间的不同，使得医学图像在形状和位置上存在差异，从而影响诊断结果，于是利用多幅图像进行动态图像配准就成为了较为有效的解决方案。

2 算法研究

传统的基于随机重启方式的动态配准，在每一幅待配准图像经过角点提取、角点匹配点对的筛选之后，都会先随机初始化PSO（粒子群优化算法）的初始种群即初始化种群中粒子的位置x（0）和速度v（0）。

其中c1、c2为学习因子，通常c1＝c2＝2；r1，r2为介于［0，1］间的随机数；pbest为个粒子历史最好位置；gbest为群体历史最好位置；w为惯性权重［1-2］。经过迭代后，搜索变换参数使得参考图像中的角点与待配准图像上的对应角点经过变换后的欧氏距离之和最小。该方法通常能取得较高的配准精度，但速度相对较慢，同时配准稳定性较差［3，6-7］。

为了优化PSO的初始种群中粒子的位置和速度，改进的算法用“混合角点检测”优选Harris、SUSAN的混合角点集，保证了较高的配置精度［4-5］。

为了克服传统算法配准速度慢、稳定性差的缺点，提出“继承PSO动态配准”的思想，即将上一幅图像变换参数搜索的最后一代种群作为下一幅图像变换参数搜索的初始种群。提出的基于混合角点继承PSO算法的动态配准算法流程如图1所示。

图1 基于混合角点继承PSO算法的动态配准算法流程图

3 实验与分析

以图2（a）为参考图像，在规定范围内随机做20组空间变换得到20幅待配准图像中的5幅图像。

设置最大迭代次数为200，种群规模为80，空间搜索范围tx，ty，X，Y，θ∈［-10，10］，惯性权重为w1＝0.9、w2＝0.4，学习因子c1＝c2＝2。

分别用两种方法对参考图像做配准，每幅图像重复实验5次。两种方法的配准结果见图2（b）、（c）。表1中，基于混合角点的随机重启方式PSO方法称为“传统算法”；提出的基于混合角点继承PSO算法称为“改进算法”；MI、NMI分别表示最大互信息和归一化互信息；T代表配准时间；mean、std表示平均值和标准方差。基于“传统算法”得到的1次纵向平移量与真实值最接近；基于“改进算法”得到5次横向平移量与真实值最接近；4次纵向平移量与真实值最接近；5次旋转量θ′与真实值最接近；5次互信息平均值和归一化互信息平均值最大。

图2 两种算法配准的图像对比

由以上统计可知，本算法有如下优点：

（1）配准精度高基于“改进算法”的5幅脑磁共振图像动态配准中均获得互信息平均值和归一化互信息平均值最大值，同时该算法的搜索参数与真实最接近的次数最多，于是“改进算法”得到的搜索参数与变换真实值最接近，所以配准精度最高。

（2）配准速度快 由于“改进算法”在每一幅图像（除去第一幅图像）配准时都继承了前一幅图像的优秀种群，从而缩短了其搜索最优参数的时间，所以配准速度也优于传统算法。

（3）配准的稳定性好对待不同的待配准图像，“改进算法”获得的互信息值和归一化互信息值始终最高，说明“改进算法”配准精度很稳定。

表1 两种配准方式下动态图像配准效果的对比

4 结束语

“改进算法”是对混合角点继承PSO动态脑核磁共振图像配准的深入研究。首先通过Harris、SUSAN混合角点检测算法筛选混合角点集合，并通过粗匹配和精匹配获得参考图像和待配准图像间的角点匹配关系，最后将继承最优种群的思想引入到PSO优化算法中搜索最优变换参数，得到最终的配准图像。通过对比试验得出：提出的新算法较传统算法具有配准精度高、配准速度快、配准稳定性好的特点。

［1］陈宝林.最优化理论与算法［M］.北京：清华大学出版社，1989.

［2］李勇明，高乙文，卢柳伊，等.混合角点检测算法用于脑磁共振图像配准［J］.中国医学影像技术，2012（2）：47-50.

［3］Harris C，Stephens M.A combined corner and edge detector［J］.Proceedings of the 4th Alvey Vision Conference，1988：147-151.

［4］Smith SM，Brady JM.SUSAN-a new approach to low level image processing［J］.Intemational Journal of Computer Vision，1997，23（1）：45-78.

［5］梁枫，王平.基于角点特征的高精度图像配准算法［J］.重庆理工大学学报，2010，24（2）：87-94.

［6］刘贵喜，刘冬梅，刘凤鹏，周亚平.一种稳健的特征点配准算法［J］.光学学报，2008，28（3）：454-461.

［7］高乙文.基于混合角点检测的脑磁共振图像配准［D］.重庆：重庆大学，2012.

Dynam ic Brain Magnetic Resonance Image Registration Based on Adopted PSO Algorithm

RUAN Ding-liang1，YANG Fan1，GAO Yi-wen2，XIEWei1，ZHANG Bo1
（1.Chongqing Jinmei Communication Co.，Ltd.，Chongqing 400030，China；2.China Mobile Communication Corporation Chongqing Branch，Chongqing 400044，China）

An algorithm，based on hybrid corner adopted PSO algorithm，is proposed in this paper to achieve dynamic image registration.Itextracts cornerswith amixed corner detection factor and introduces the idea of inheriting the best population to PSO algorithm，i.e.inheriting and changing the best population from current image registered，and then uses it to guide subsequent image registering.The experimental results show that the new method overcomes the disadvantage of long computing time when registering many images continuously caused by the parameter generated randomly by the traditional manner and improves the registration accuracy and stability.

Brain magnetic resonance image；Corner detection；PSO；Registration

10.3969／j.issn.1002-2279.2014.01.019

TP391.41

：A

：1002-2279（2014）01-0070-03

阮定良（1971-），男，重庆人，硕士，高级工程师，主研方向：数字信号处理，智能计算。

2013-06-19