互信息配准

资 源 简 介

应用背景 基于互信息(Mutual information, I)的配准方法是利用图像本身具有的灰度统计信息来度量图像的相似度，采用一定的搜索算法得到使相似度最大的图像空间变换形式，达到配准图像的目的。两个变量的联合概率分布于完全独立的概率分布的广义距离来作为变量之间的相似性测度。由于互信息测度无需预先假设不同成像模式下图像灰度的相关性，也不需对图像进行分割和任何预处理，精度高。 关键技术 采用二维图像空间变换模型中的刚体变换，主要是确定浮动图像变换过程中是的互信息最大时浮动图像所旋转的角度和在x和y轴运

详 情 说 明

应用背景

在图像配准的方法中，基于互信息(Mutual information, I)的配准方法利用图像本身的灰度统计信息来度量图像的相似度。它通过一定的搜索算法来找到使相似度最大的图像空间变换形式，从而实现图像的配准。互信息测量使用了两个变量的联合概率分布与完全独立的概率分布之间的广义距离，作为变量之间的相似性度量。由于互信息测量无需预先假设不同成像模式下图像灰度的相关性，也不需要对图像进行分割和任何预处理，因此具有高精度的特点。

关键技术

在二维图像空间变换模型中，该方法采用刚体变换。刚体变换的主要目的是确定浮动图像在变换过程中的旋转角度和在x轴和y轴上的位移，以使互信息达到最大。为了计算两幅图像的互信息，需要分别计算它们的熵以及它们的联合熵。而计算熵需要使用到图像的灰度直方图，所以需要先计算每幅图像的灰度直方图。在这个过程中，需要对浮动图像在变换过程中出现的非整数坐标上的点进行灰度插值（本程序采用的是双线性插值）。

总结

基于互信息的配准方法在图像配准领域中具有重要的应用价值。它通过利用图像的灰度统计信息来度量图像的相似度，并通过搜索算法找到最佳的图像空间变换形式，从而实现图像的配准。该方法不仅具有高精度，而且无需假设不同成像模式下的图像灰度相关性，也不需要进行图像分割和预处理。因此，它在实际应用中具有广泛的应用前景。