基于IPSO算法的医学图像配准

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (32): 237-240.

基于IPSO算法的医学图像配准

谢景权^1,2,须文波¹,孙俊¹

1.江南大学信息工程学院,江苏无锡 214122
2.无锡职业技术学院,江苏无锡 214121

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-11-11 发布日期:2007-11-11
通讯作者: 谢景权

Medical image registration through Improved Particle Swarm Optimization

XIE Jing-quan^1,2,XU Wen-bo¹,SUN Jun¹

1.Institute of Information Technology,Southern Yangtze University,Wuxi,Jiangsu 214122,China
2.Wuxi Institute of Technology,Wuxi,Jiangsu 214121,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-11-11 Published:2007-11-11
Contact: XIE Jing-quan

摘要/Abstract

摘要： 医学图像配准是医学图像分析诊断的基础,也是图像融合等图像处理需要先行解决的问题。首先用Canny算子提取图像的边缘,再用K-Means聚类算法进行聚类分析提取轮廓特征点,然后提出了一种改进的粒子群优化（IPSO）算法来求解配准所需的空间变换参数。实验结果表明：改进PSO能够迅速地在全局范围内找到最优解,应用于多模态医学图像配准是可行的。

关键词: 医学图像配准, canny算子, K-Means聚类, IPSO

Abstract: Medical image registration is the first step for image fusion and other imaging process.In this paper,The image edges are first detected by using Canny operator,then the contour feature points are extracted by K-means algorithm,and translation parameters are calculated by using a Improved Particle Swarm Optimization （IPSO） algorithm.Experiments show that this approach is efficient and can avoid local minimum.

Key words: medical image registration, canny operator, K-means clustering algorithm, Improved Particle Swarm Optimization（IPSO）

谢景权^1,2,须文波¹,孙俊¹. 基于IPSO算法的医学图像配准[J]. 计算机工程与应用, 2007, 43(32): 237-240.

XIE Jing-quan^1,2,XU Wen-bo¹,SUN Jun¹. Medical image registration through Improved Particle Swarm Optimization[J]. Computer Engineering and Applications, 2007, 43(32): 237-240.

[1]	王昌龙，张远东，缪宏，杨煜恒. 双通道卷积神经网络在南瓜病害识别上的应用[J]. 计算机工程与应用, 2021, 57(5): 183-189.
[2]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[3]	郭艳芬，崔喆，杨智鹏，彭静，胡金蓉. 基于深度学习的医学图像配准技术研究进展[J]. 计算机工程与应用, 2021, 57(15): 1-8.
[4]	王卫红，曾英杰. 基于聚类和用户偏好的协同过滤推荐算法[J]. 计算机工程与应用, 2020, 56(3): 68-73.
[5]	马京晖，潘巍，王茹. 基于K-means聚类的三维点云分类[J]. 计算机工程与应用, 2020, 56(17): 181-186.
[6]	郭永坤，章新友，刘莉萍，丁亮，牛晓录. 优化初始聚类中心的K-means聚类算法[J]. 计算机工程与应用, 2020, 56(15): 172-178.
[7]	刘强1，施虹1，王平心2，3，杨习贝1. 基于[ε]邻域的三支决策聚类分析[J]. 计算机工程与应用, 2019, 55(6): 140-144.
[8]	聂东林，王洪辉，王翔，孟令宇. 基于图像处理的滑坡后缘裂缝运动轨迹分析[J]. 计算机工程与应用, 2019, 55(22): 201-205.
[9]	孙卫红1，李乾坤1，邵铁锋1，吴慧明2. 基于机器视觉的桩护壁裂缝检测方法[J]. 计算机工程与应用, 2019, 55(14): 260-265.
[10]	冯正英，王世东. 结合MNF变换和Canny算子的遥感影像变化检测[J]. 计算机工程与应用, 2019, 55(14): 266-270.
[11]	刘丽霞1，李宝文3，王阳萍1，2，杨景玉1，2. 改进Canny边缘检测的遥感影像分割[J]. 计算机工程与应用, 2019, 55(12): 54-58.
[12]	郗润平1，2，贾高云1，2，张艳宁1，2，张福俊1，2. 基于评价向量的异源图像目标检测[J]. 计算机工程与应用, 2019, 55(1): 180-185.
[13]	董本志，聂丽郦，景维鹏，崔航. 基于Faster R-CNN的榆紫叶甲虫识别方法研究[J]. 计算机工程与应用, 2018, 54(23): 89-93.
[14]	韩崇1，袁颖珊2，梅焘2，耿慧玲2. 基于K-means的数据流离群点检测算法[J]. 计算机工程与应用, 2017, 53(3): 58-63.
[15]	张雷，胡宇. 改进的ROEWA算子用于SAR图像的海陆分离[J]. 计算机工程与应用, 2017, 53(18): 157-162.