基于活动轮廓模型的脑部医学图像弹性配准

针对传统互信息弹性配准方法在医学图像应用上计算量大、处理速度慢的问题提出了一种基于活动轮廓模型(CVL-BFGS)医学图像配准方法。该算法结合了图像局部轮廓信息和全局变化信息,通过提取图像的边缘轮廓,可以有效地挖掘轮廓信息,并克服了弹性配准算法容易陷入局部极值问题,使图像配准的结果更加稳定。同时该算法为全局互信息配准提供一个通过局部配准得到的更优初始值,从而降低了整体配准的迭代次数,提高图像配准效率,并证明了该算法的鲁棒性和有效性。