基于多层P样条和稀疏编码的非刚性医学图像配准方法

摘要

针对传统相似性测度易受灰度偏移场的影响而造成误配,以及单层P样条变换模型中通常无法准确选择初始化网格密度的问题,提出了多层P样条和稀疏编码的非刚性医学图像配准方法.该方法将稀疏编码作为相似性测度,首先把待配准的两幅图像划分图像块,然后使用K-SVD算法训练图像块得到分析字典并寻找稀疏系数,采用多层P样条自由变换模型来模拟非刚性几何形变,结合梯度下降法优化目标函数.实验结果表明,与单层P样条几何变换和sparse-induced、rank-induced相似性测度相比,所提方法能够准确地选择网格密度,并有效克服灰度偏移场对配准的影响,降低了均方根误差,提高了配准的精度和鲁棒性.