基于互信息的医学图像配准系统

资 源 简 介

该项目旨在通过MATLAB环境实现医学图像的自动化配准处理。配准是医学影像分析中的核心环节，其主要目标是寻找一种空间转换关系，使不同传感器、不同时间或不同角度获取的两幅或多幅图像在空间坐标上达到一致。项目核心采用了基于熵理论的互信息（Mutual Information, MI）作为相似性测度准则，这种方法不需要对图像进行复杂的特征提取，直接利用图像的灰度分布信息，因此在跨模态医学图像配准（如CT与MRI、PET与CT等）中表现极其优异。实现过程中，系统通过建立两幅图像的联合直方图来计算联合概率分布，进而

详 情 说 明

基于互信息的医学图像配准系统

项目介绍

本项目是一款基于MATLAB环境开发的自动化医学图像配准工具。系统利用信息论中的互信息（Mutual Information, MI）作为相似性测度，实现对两幅医学图像（参考图像与待配准图像）的精确空间对齐。互信息方法不依赖于图像的像素亮度直接对比，而是基于统计分布特性，因此在处理跨模态图像（如CT与MRI的融合）时具有显著的鲁棒性。该系统集成了多分辨率搜索策略与高效的数值优化算法，通过寻找空间变换参数的最佳组合，实现图像的刚性对齐。

功能特性

1. 相似性测度：采用互信息准则，通过计算联合熵与边缘熵来量化两幅图像的相关性，适用于光照差异大或模态不同的图像。
2. 变换模型：支持刚性变换，涵盖了二维平面内的平移（x、y方向）与旋转角度的自动修正。
3. 多分辨率策略：构建高斯金字塔模型，从低分辨率到高分辨率逐层精化配准结果，既缩短了计算时间，又有效避免了优化过程陷于局部极值。
4. 自动化迭代优化：内部集成单纯形优化算法（Nelder-Mead），自动搜索使互信息最大化的几何变换参数。
5. 高精度重采样：手动实现双线性插值算法，在图像坐标变换过程中实时计算像素点灰度值，有效减少计算损失。
6. 多维结果评估：提供棋盘格融合展示、红绿通道色彩叠加显示以及互信息收敛趋势图，直观验证配准精度。

运行环境

• 操作系统：Windows / macOS / Linux
• 开发平台：MATLAB R2016b 及以上版本
• 依赖工具箱：Image Processing Toolbox（用于图像缩放与展示）

使用方法

1. 启动MATLAB软件，进入本项目代码所在的文件夹。
2. 在命令行窗口直接执行主控程序代码。
3. 系统将自动执行以下操作：

- 载入内置的医学幻影数据并应用预设的旋转平移干扰。 - 启动从粗到精的三层金字塔配准流程。 - 在命令行实时输出各层级的迭代进度与最终获得的变换参数。 - 自动弹出可视化窗口，展示配准前后的对比效果及收敛曲线。

核心实现逻辑

1. 模拟实验数据生成：系统首先利用数学模型生成参考图像，并通过预设的平移量与旋转角度生成待配准图像，同时加入随机噪声和对比度偏移，模拟真实的临床影像差异。
2. 多分辨率配准循环：

- 分层处理：系统将图像划分为多个尺度（如原始尺寸的1/4、1/2和1/1）。 - 参数映射：在低分辨率完成粗配准后，将得到的平移参数按比例放大，作为下一层高分辨率配准的迭代起点。

1. 互信息核心评估：

- 量化处理：将图像灰度级归一化至0-255区间。 - 统计建模：遍历所有像素位置，构建二维联合直方图，进而计算出联合概率分布。 - 熵值计算：基于Shannon熵公式分别计算两图的独立熵及联合熵，推导出互信息值。

1. 优化搜索机制：以负互信息作为目标函数，利用优化器在三维参数空间（tx, ty, angle）内自主搜寻最优解。
2. 坐标变换与插值：采用逆向映射机制，将目标图像坐标映射回原始坐标系，通过双线性插值算法在原图中寻找四个相邻像素进行加权平均，生成配准后的图像。

关键函数与算法说明

• 互信息计算逻辑：通过统计图像间灰度级出现的联合频率来描述信息关联度。当两幅图像达到几何一致时，联合熵最小，互信息达到极大值。
• 单纯形优化算法：系统调用的优化器不需要目标的导数信息，通过不断调整参数空间的三角形顶点并进行反射、收缩等操作，快速向全局最高互信息点逼近。
• 刚性变换模型：算法通过中心化处理，确保旋转操作绕图像质心进行，避免了图像在旋转过程中的大范围偏移。
• 图像融合可视化：

- 棋盘格融合：将参考图像与配准图像按方块交替拼接，观察图像边缘（如轮廓线）是否对接平滑。 - 颜色对冲显示：将参考图置于红色通道，配准图置于绿色通道，重合完美的区域将呈现黄色，位移偏差则呈现红绿边缘。