Powell蚁群算法在Matlab中如何实现医学图像配准的源码分析？

本文共计1488个文字，预计阅读时间需要6分钟。

1. 简介：基于互信信息的配置方法具有精度高、鲁棒性强的特点，成为近年来图像配置研究的焦点。但基于互信信息的目标函数存在诸多局部极值，为配置优化过程带来了很大挑战。

1 简介

基于互信息的配准方法具有精度高,鲁棒性强的特点,成为近年来图像配准研究的热点.但基于互信息的目标函数存在许多局部极值,为配准的优化过程带来了很大的困难.该文提出了一种蚁群算法和Powell法相结合的多分辨率搜索优化算法.该算法以互信息作为相似性测度,采用基于小波变换的多分辨率策略,将蚁群算法与Powell法结合起来对2维的CT,MR图像进行了配准.实验结果表明,这种方法能够有效地克服互信息函数的局部极值,大大地提高了配准精度,达到亚像素级.

蚁群算法在一般情况下均能找到比较满意的结果，但得到的解不一定是解空间的最优解，通常是全局最优解附近的一个解。而Powell算法有极强的局部寻优能力，所以在本文的配准优化过程中我们将蚁群算法的全局搜索能力和Powell算法的局部寻优能力有机结合起来。由于蚁群算法中目标函数的计算次数比较多，从而优化时间比较长，为此我们采用了基于小波变换的多分辨率策略，优化过程分为两步，第1步首先在较低分辨率的图像上采用蚁群算法进行配准，此时图像比较小，互信息计算速度快，优化过程能较快完成；第2步采用Powell法在高分辨率图像上进行寻优，算法的初始点为上一步中蚁群算法得到的最好解。