基于马尔可夫随机场的多模态图像信息模型与非刚体图像配准

本项目主要内容有两个方面：其一是研究多模态图像相似性表达的物理本质特性和数学表达的理论基础，以及不同测度函数之间的内在联系。根据马尔可夫随机场(MRF)和广义信息度量理论，结合多模态图像的成像机理、联合灰度概率分布与配准程度之间的相互关系，根据图像间灰度的转移概率特性，建立基于MRF的信息概率模型，这是一个描述多模态图像相似性表达的数学物理框架模型。从理论方法上，这一模型可应用于更广泛的研究和工程领域，例如，信息理论、聚类分析、模式识别、语音识别、经济统计分析和模糊集等。其二是研究临床医学上的非刚体配准问题，在未发生物理结构变化的情况下，建立基于拓扑不变性的变换模型；在某一部位物理结构发生改变的情况下，根据周围未变结构建立形变模型。通过本项目的研究，可望解决多模态图像处理方面的一些基本理论问题和若干项临床影像学面临的实际计算及实现问题。

按照项目的三年研究计划，主要开展了两个方面的研究工作：第一是关于临床医学图像的分割与配准，主要基于马尔可夫随机场模型和微分流形等理论进行了系统深入的研究并取得了一些主要进展。实现了基于马尔科夫随机场和先验信息的交互图像分割，分割结果较传统更准确和鲁棒。基于微分同胚和互信息实现了医学图像的非刚体配准，基于马尔科夫随机场能量函数的最小化，实现了多模态图像配准。基于概率密度函数的统计特征分析了多模态图像相似性测度的相互关系。第二是对细胞视频图像的分割与形态度量，对免疫细胞的形态变化与生物体免疫反应之间的关系进行分析。我们从淋巴细胞视频图像中提取细胞的边界，用参数化曲线方式对其进行描述。基于测地线距离(geodesic distances)优化局部的弹性拉伸特性及细胞形状的全局弯曲特性。同时，实验选择动态时间规整算法(Dynamic time wrapping)对不同序列进行了匹配。实验验证了我们算法的有效性。这两方面的研究结果都值得进一步深入的研究。