形变引导正则化的医学图像Demons快速配准算法

摘要

Demons配准算法通常采用各向同性的Gaussian滤波器作为正则化项,该操作忽略了图像灰度变化的空间各向异性和形变场信息,造成在目标边缘等细节信息丰富的区域配准误差较大.此外,由于正则化过程通常需要逐像素进行平滑操作,导致Demons算法针对大尺寸图像进行配准时效率有待提高.针对上述问题,提出了一种基于形变引导正则化的医学图像Demons快速配准算法(DGR Demons).该算法有3个优势:首先,DGR Demons通过引入各向异性的引导滤波器作为配准过程的正则化项,有效保留了图像边缘细节,避免了在图像边缘处发生梯度越变;其次,DGR Demons用待配准图像间的形变来引导正则化过程,由于充分利用了形变的空间信息,获得了更加精确的配准结果;最后,DGR Demons通过对形变进行下采样,使得正则化中的平滑映射关系计算在低分辨率形变上执行,从而有效减少了配准耗时.实验结果表明,提出的DGR Demons实现了更快、更精确的配准结果,与主流Demons算法相比,将配准精度提高了约40%,配准效率提高了约8%.