基于自适应分数阶的医学图像非刚性配准

摘要：

现有的医学图像配准算法对于灰度均匀、弱边缘以及弱纹理图像易陷入局部最优从而导致配准精度低下、收敛速度缓慢.分数阶主动Demons (Fractional active Demons,FAD)算法是解决该问题的有效方法,并且适用于图像的非刚性配准.但FAD中的最佳分数阶阶次是人工交互选取,并且对整幅图像都是固定不变的.为了解决该问题.提出一种阶次自适应的主动Demons算法并将其应用到医学图像的非刚性配准中.算法首先根据图像的局部特征建立分数阶阶次自适应的数学模型,并逐像素计算最优阶次,基于该阶次构造Riemann-Liouvill (R-L)分数阶微分动态模板;然后将自适应R-L分数阶微分引入到Active Demons算法,在一定程度上缓解了图像配准在弱边缘和弱纹理区域易陷入局部最优问题,从而提高了配准精度.通过在两个医学图像库上进行实验验证,实验结果表明该方法可以处理灰度均匀、弱纹理和弱边缘的医学图像非刚性配准,配准精度得到较大提升.

关键词：自适应分数阶、主动Demons算法、自适应模型、非刚性配准、医学图像

所属期刊栏目：46

资助基金：国家自然科学基金61462065,61661036

在线出版日期：2020-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1941-1951