方法，如傅立叶描述算子、轮廓分段表示成线段和弧等，也可以相似的来构造其配准算法。采用区域分割的方法来配准图像，利用适当的分割算法，在图像中提取出尽量多的独立闭合边界区域，通过区域边界优化算法使两幅图像中相对应的闭合区域具有更好的相似性，并利用闭合区域的重心作为控制点，得到了亚像素级的配准精度。 图像分割将图像二值化，这就剔除了第二类成像畸变的影响，灵活的选择相似性度量则可以消除第三类成像畸变的影响。矩不变量就是一种常用的区域统计特征，它具有对图像旋转、平移、缩放的不变性，采用欧式距离作为相似性度量，配准只是使两幅图像的矩不变量的相似性达到最大。此外，如果区域形状类似椭圆，则区域的质心和主轴可以用来粗配准，它们计算较简单，而且具有几何位置意义。区域特征配准算法的缺点是区域提取不易达到一致性。 3) 高层模型
上面介绍的边缘、区域、点特征建立的都是图像的中层描述，当获得足够多的信息时，在中层特征提取的基础上，建立图像的高层模型描述，如图、树、文法描述等，能够反映图像的本质结构和特征，消除各类畸变的影响。这类算法最大的困难在于高层模型难以建立。计算快捷、高精度、适应性强的配准算法一直是图像配准问题研究的核心。基于区域的配准算法研究已较为成熟。基于特征的配准算法是当前研究热点，其中基于边缘、特征点、区域特征的配准算法研究较多，而基于图、句法等模型的配准算法还不多见，而且现有的算法也都存在各种限制，对景象类型和成像畸变的适应性不是很高。多个算法的融
合与集成可以克服单个算法的一些局限性，提高配准的适应性。的算法结合了矩不变量形状描述子和改进的链码相关，建立了统一的相似性度量，来建立两幅图像之间的配准。建立基于知识的多算法集成机制，也是研究的一个方向。图像配准做了一个综合性的阐述。对图像配准所用的理论知识进行了详细的介绍，重点研究图像配准的方法分类，通过对各类图像配准方法的研究可以看到，图像配准方法是非常依赖于图像本身的，往往不同的图像配准方法都是针对不同类型的图像的配准问题的。所以到目前为止，尚不存在任何一种图像配准方法能适用于各种图像配准问题，毕竟图像配准的应用领域就很广泛，面对的不同类型的图像也千差万别。因此图像配准方法研究的两个重要的目标是，一方面提高其对于适用图像的算法的有效性、准确性和鲁棒性，另一方面也力求能扩展其适用性和应用领域。 3.1 医学图像配准技术 3.1.1 医学图像配准的分类
医学图像配准是指对于一幅医学图像寻求一种或一系列空间变换，使它与另一幅医学图像上的对应点达到空间上的匹配。这种匹配是指人体上的同一解剖点在两张匹配图像上有相同的空间位置。配准的结果应使两幅图像上所有的解剖点，或至少是所具有诊断意义的点及手术感兴趣的点都达到匹配。多模态图像配准的应用十分广泛。例如，在患者接受放射线疗法时，医生会同时使用CT和MR两种成像技术。CT用来指导医生精确地计算放射线的剂量，而MR图像通常能够更好地表现肿瘤组织的形态。使用多种成像技术并适当地加以结合，能
够为临床诊断提供有力的支持。除多模态图像配准外，很多临床应用中也大量使用单模态图像的配准，如通过手术前后图像的比较来评估手术效果，使用序列MR图像监控肿瘤的生长过程，以及使用X射线监控骨骼的发育等等。由于单模态图像具有高度相似性，解决这类配准问题会比多模态图像配准容易得多。图像配准方法可以按照9种不同的标准进行分类 分类标准分类
维度 2D/2D配准、2D/3D配准、3D/3D配准
图像特征基于外部特征的配准、基于内部特征配准、图像无关配准 变换模型刚性变换、仿射变换、投影变换、非线性变换 变换域全局变换、局部变换
交互性手动配准、半自动配准、全自动配准 优化方法参数计算法、参数优化法 模态单模态配准、多模态配准
对象患者自身配准、患者间配准、模板匹配 目标组织头部、胸部、腹部、骨盆、四肢的配准 3.1.2 医学图像配准中的几个主要问题 2. 图像插值
由于我们获得的图像是数字的、离散的，而不是连续的，当对浮动图像进行变换时，将导致变换后图像的网格与原图像网格不一致，这就需要我们对变换后的图像进行插值。同时，假设理想图像是连续的，我们得到的图像是对连续图像采样后的图像，那么由于插值所引起的
互信息平面相对于理想互信息平面的误差是必然存在的。一般的插值方法使互信息函数产生局部极值，影响配准结果。所以我们要选择合适的插值方法，使实际的互信息平面与理想平面的变化趋势相差较小，尽可能的平滑，配准参数的误差尽可能小，配准更精确。在医学图像配准中，无论采用哪种方法，一个必需的步骤就是将浮动图像进行坐标变换，将其映射到参考图像中，然后进行各种不同的计算。当浮动图像中的点经过坐标变换后，其像素点不一定落在坐标网格上，为了计算非网格点的灰度值，需要通过插值方法来获得该点的灰度值插值方法一般分为两类：(1)第一类是真正意义上的插值，即根据周围像素点的灰度，通过加权平均得到非网格点的灰度值。(2)第二类方法则不是真正意义上的插值，而是为了计算互信息的联合直方图提出来的，因在第一种插值方法中会产生新的灰度值，在计算联合直方图的时候，新加入的灰度值会使目标函数产生局部极值，为了克服这个缺陷，提出了第二种方法以便得到比较光滑的目标函数，它并没有求出插值点的灰度，只是统计直方图的时候替代一般插值求灰度概率分布的辅助手段，它根据线性插值的权值分配原则，将每对像素对联合直方图的贡献分散到联合直方图上，没有生成新的灰度值。这类方法计算简单、速度快，能够满足配准的要求，当然它们也存在计算精度不够等缺点，有时会影响到目标函数值的分布。不同的插值方法对相似性测度函数的精确度和平滑性有不同的影响。
4. 建立在三维医学图像基础上手术方案制定，优化与模拟；或治疗方案。
相比传统手术而言，CAS 优势明显，显著地提高了手术成功率，而且使一些以往无法完成的手术得以实现。CAS系统基于术前医学影像，以手术导航和医学影像交互操作的手术模式为主，并利用术中医学影像对手术进行校正和评估，周密的手术模拟和手术计划。三维模型的建立为医生提供了一个虚拟的手术对象，医生不仅可以获取各种信息，而且可以进行手术模拟，这是传统手术所无法实现的。传统手术中一旦发生失误，会导致灾难性的后果，而CAS的手术模拟过程中发生失误，只需在重新模拟时修正即可。反复进行手术模拟后，得到了最满意的手术路径，然后制订最优的手术计划。手术计划具有前瞻性、对实际手术的可预见性，即在实际手术中，每一步操作前就可以预见操作后的结果，避免了传统手术的盲目性。因此，不会出现在切除肿瘤的同时，伤害其他重要器官、血管和神经的现象，降低了手术风险，提高了手术质量。
颅面畸形外科手术一直被外科医生认为是最危险最复杂的一种综合性外科手术。手术涵盖了颅面外科，脑外科等多种外科手术内容，在手术中常常遇到截骨、接骨、移植填充材料等操作「117」。因此，仔细的分析患者的医学病理特征和细致的术前设计成为了保证手术成功的前提。然而，在多数外科手术中心，外科医生主要还是通过观察一组X图片、CT、MRI的二维切片显像在胶片或荧屏上的图像进行分析，这往往依赖于医生的丰富读片经验，依据图像进行分析，不可能对受损骨的三维结构进行定量测定，重组分析，因此缺乏客观的指标，从而使手术治疗只能依靠经验和模糊的印象下进行，致使骨结构