论文研究基于多层P样条和稀疏编码的非刚性医学图像配准方法.pdf

针对传统相似性测度易受灰度偏移场的影响而造成误配，以及单层P样条变换模型中通常无法准确选择初始化网格密度的问题，提出了多层P样条和稀疏编码的非刚性医学图像配准方法。该方法将稀疏编码作为相似性测度，首先把待配准的两幅图像划分图像块，然后使用K-SVD算法训练图像块得到分析字典并寻找稀疏系数，采用多层P样条自由变换模型来模拟非刚性几何形变，结合梯度下降法优化目标函数。实验结果表明，与单层P样条几何变换和sparse-induced、rank-induced相似性测度相比，所提方法能够准确地选择网格密度，并有效克服灰度偏移场对配准的影响，降低了均方根误差，提高了配准的精度和鲁棒性。