基于Rényi熵的互补尺度空间关键点医学图像配准  

Complementary scale space keypoint medical image registration based on Rényi entropy

作　　者：张少敏[1,2,3] 支力佳[1,2,3] 赵大哲[1,2,3] 赵宏 林树宽[1,2] 

机构地区：[1]医学影像计算教育部重点实验室(东北大学),沈阳110004 [2]东北大学信息科学与工程学院,沈阳110004 [3]国家数字化医学影像设备工程技术研究中心,沈阳110004

出　　处：《仪器仪表学报》2010年第11期2528-2533,共6页Chinese Journal of Scientific Instrument

基　　金：国家自然科学基金(60671050);辽宁省重大科技计划项目(2008402001)资助

摘　　要：针对医学图像配准对鲁棒性强、准确性高和速度快的要求,本文提出一种基于Rényi熵的互补尺度空间关键点配准算法。该算法首先从图像上提取Harris-Laplace(HL)和Laplacian of Gaussian(LoG)两种互补的尺度空间关键点,然后将关键点对应的灰度信息融入到联合Rényi熵中,最后使用最小生成树来估计联合Rényi熵。新算法结合了互补关键点的鲁棒性,和最小生成树估计Rényi熵的高效性。实验结果表明在图像含有噪声、灰度不均匀和初始误配范围较大的情况下,该算法在达到良好配准精度的同时,具有较强的鲁棒性和较快的速度。Aiming at the requirements of good robustness, high accuracy and fast speed for medical image registration, this paper proposes a complementary scale space keypoint image registration algorithm based on Rényi entropy. This algorithm extracts two complementary scale space keypoints （Harris-Laplace （HL） and Laplacian of Gaussian （LoG）） from the image, then incorporates the corresponding grey scale information of the keypoints into joint Rényi entropy, and estimates the joint Rényi entropy directly using minimum spanning tree. The new algorithm combines the robustness of complementary keypoints and high speed of Rényi entropy estimated using minimum spanning tree. Experiment results show that for the images with noise, non-uniform intensity and large scope initial misalignment, the algorithm can achieve better robustness and higher speed while maintaining good registration accuracy.

关 键 词：医学图像配准 Harris-Laplace(HL)检测子 LAPLACIAN of Gaussian(LoG)检测子 最小生成树 Rényi熵 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]