基于多目标交叉变异粒子群算法的多模医学图像非刚性配准

许鸿奎 江铭炎 杨明强（山东大学信息科学与工程学院，济南 5000）（山东建筑大学，济南 500）

引言

不同模态的医学图像提供不同的信息，如CT（computer-assisted tomography）和MRI（magnetic resonance image）图像提供清晰的解剖结构信息，而PET（positron emission tomography）和 fMRI（functional MRI）则提供各种功能信息。图像融合可以充分利用多模态医学图像的各种相互补充的信息，在医疗诊断、治疗方案的制定等方面发挥重要的作用。

图像融合的前提是图像配准，而以互信息为相似性测度的图像配准不需要对图像进行分割或其他预处理，特别适合于多模态医学图像的配准。基于互信息的配准最早由Maes提出［1］，基于互信息的非刚性配准最早由Meyer［2］采用薄板样条变换实现［2］；文献［3-5］则基于互信息采用B样条变换完成了非刚性配准，其中文献［5］相对［3］提高了配准速度，但是配准精度有所下降。虽然基于互信息的配准已经得到了很大发展和应用，但在提高配准精度上还面临许多挑战，主要问题在于传统的优化方法如梯度下降法、拟牛顿法（limited-memory Broyden-Fletcher-Goldfarb-Shanno，LBFGS）等很容易陷入互信息的局部极值，不能很好地搜索到最佳配准参数。对图像进行预滤波处理，改善互信息曲面，使其更为平滑，一定程度上可以提高配准精度。然而实验证明，使用不同的滤波器得到的配准结果差别很大，而不同的图像对滤波器的要求也不一样，这就限制了基于互信息的配准方法的应用。为此，文献［6-7］分别使用遗传算法、粒子群算法去全局搜索最大互信息以获得最佳刚性变换参数，取得了良好的结果；文献［8］使用海明窗滤波对图像进行预处理，再利用粒子群算法进行全局搜索。……