[发明专利]融合梯度信息和广义熵相似度的多模态医学图像配准方法

摘要

本发明公开了一种融合梯度信息和广义熵相似度的多模态医学图像配准方法，步骤如下：S1，构造广义熵相似性测度；S2，构造待配准图像的梯度测度；S3，构造待配准图像的相似性测度；S4，构造多模态图像的配准模型；S5，对配准模型进行求解。本发明综合考虑了不同模态医学图像的梯度信息和灰度分布特征，有效的完成了多模态医学图像的精确配准。且是基于一种广义的信息熵，构建广义熵相似性测度，具有更广泛的性质。不考虑图像间的灰度差异，而是利用两幅图像灰度值的联合概率分布，计算待配准图像间的信息论相似度，不仅适用于相同模态的医学图像，也适用于灰度差异较大的不同模态医学图像，扩大了本发明的使用范围。

主权项

一种融合梯度信息和广义熵相似度的多模态医学图像配准方法，其特征在于，步骤如下：S1，构造广义熵相似性测度；S2，构造待配准图像的梯度测度；S3，构造待配准图像的相似性测度；S(R(x),F(Tμ(x)))＝G(R(x),F(Tμ(x)))JAα(F(Tμ(x)),R(x))   (12)；式中，G(R(x),F(Tμ(x)))表示在空间变换Tμ作用下的浮动图像与参考图像的梯度测度，表述待配准图像的梯度信息；JAα(F(Tμ(x)),R(x))表示在空间变换Tμ作用下的浮动图像与参考图像的广义熵相似性测度；S4，构造多模态图像的配准模型；μ*=argmaxμ{G(R(x),F(Tμ(x)))JAα(F(Tμ(x)),R(x))}---(14);]]>S5，采用方向加速法对配准模型进行求解得到最优空间变换参数。