论文部分内容阅读
采用待配准图像的边缘梯度相关性代替传统的灰度相关性作为配准的目标函数,利用轮廓点比对的方法将待配准图像的轮廓像素点描述成具有时延关系的两组二维序列,并通过最小二乘法从两组序列的配对样本中求取最优变换参数.通过在颅脑MR-PET图像上进行的配准实验表明,采用边缘梯度相关性作为目标函数比直接利用灰度相关性作为目标函数获得了更好的配准结果,而采用轮廓点比对的方法进行参数寻优在保证了配准精度的情况下,较采用诸如遍历式搜索和遗传算法等方式,大大缩短了配准时间.