评估准则。如按原理和切入点的不同，将它们分为最典型的两大对、四类型:其中，“两大对”为分析准则与实验准则，定性准则与定量准则;“四种类型”为定性分析准则、定量分析准则、定性实验准则及定量实验准则四种;另外根据分割在临床中的需要，有如下两种不同的评估方法:
第一种评估方法是客观性评价。在分割结束，有一系列分割的关键性指标也同时得到，对于如算法花费的时间，鲁棒性等指标，都可以通过定性实验甚至定量实验给予评价，而对于分割精度，也可以用错分率E(mrrRates)、重叠率(Overlpa)s等不同性能指标给予评价;
第二种方法也称为目测检验即siualInspecotin)，它是一种主观性的评价方法。和其它图像处理算法评估的方法一样，除去一些客观的指标之外，相关领域专家的目测检验，也相当重要和可信。因为我们得到的结果目的就是直接或间接为他们所用，所以处理结果得到专家的认可也相当的重要。
3. 病理分析软件，实现二维三维多模态医学图像配准。
图像配准(Image Registration)是指对一幅图像寻求一种(或一系列)空间变换，使它与另一幅图像上的对应点达到空间位置上的一致。这种一致是指同一解剖点在两幅匹配图像上具有相同的空间位置。配准的结果应使两幅图像上所有的解剖点，或至少是所有具有诊断意义的点及手术感兴趣的点都达到匹配。图像配准的主要目的是图像融合(Image fusion)，以提高图像的信息量。医学成像设备繁多，各有所长，大体上可分为解剖成像和功能成像两大类。前者主要描述人体组织器
官的解剖结构信息，如CT、US等；后者则主要描述功能代谢信息，如MRI、SPECT、PET等。而且即使是同一类成像也不尽相同，如MRI成像又分为fMRI、T1加权成像、T2加权成像和质子加权成像。在实际临床应用中，有很多场合下需要图像配准技术的支持，最重要的有三个方面。首先是术前诊断，需要综合利用多幅同模态或不同模态图像的信息，做出准确的诊断。如图2.3所示：(a)为MR图像，图像上的肿瘤已经分割出来；(b)为大脑血管造影图像，图中显示有大脑主动脉，是手术中必须避开的地方；(c)是(a)和(b)配准、融合后的图像，包括脑组织、肿瘤和主动脉的信息。显然，一副图像比多幅图像更直观，更有利于诊断。其次是在三维重建和手术计划阶段，需要综合多模态图像的信息，以建立信息全面的模型。如利用CT图像重建的三维图像骨组织结构清晰，而软组织信息缺乏，融合MRI后就可以弥补这个缺陷，得到信息全面的三维图像。最后，手术效果评估也需要对术前和术后的图像进行配准，以观察手术部位和病灶术前、术后的对比效果图像配准的方法总体上可以分为两大类：基于图像特征的配准和基于图像灰度信息的配准。前者主要是先从原始图像提取标识点、特征点、边缘、轮廓等信息，再利用各种算法完成配准，简单实用，但需要较多的人工介入，自动化程度低，是最常用的配准方法，如基于外部、内部标识点、最近迭代点(Iterative Closest Point, ICP)算法、基于分割的图像配准算法等。其中基于外部标识点的配准，是通过成像前在患者皮肤或骨骼上固定特征标识，这些特征标识在图像中具有高亮信号特征，以便识别和分割，该方法精度高，是各配准方
法参考的“金标准”，但是是有创的，增加了患者的痛苦。基于灰度信息的图像配准算法主要是利用整幅图像的灰度信息，再由相应的理论构造一个代表图像间相似性测度的目标函数，当目标函数取得极大值或极小值(取决于不同的算法)时，图像间的相似性最大，图像配准完成。基于灰度信息的图像配准具有人工干预少、自动化程度高、精度高等优点，主要缺点是计算量大、速度较慢，但随着处理芯片运算速度的迅速提高，基于灰度信息的图像配准算法越来越得到人们的重视。典型的方法有互相关法、基于傅立叶域的互相关法和相位相关法、灰度比的方差最小化法、在段内的灰度值方差最小化法、差分图像的直方图熵最小化法、直方图聚类和直方图图离差最小化法、最大互信息法等。
1.1 课题的目的和意义
数字图像配准是八十年代以来发展极为迅速的图像处理技术之一，它是模式识别，自动导航，医学诊断，计算机视觉，遥感图像处理的重要组成部分。图像配准技术经过多年的研究，己经取得了众多研究成果，但由于图像配准的输入数据来源的多样性，以及不同的应用对图像配准的要求各不相同，同时由于影响图像配准的因素的多样性，以及配准问题的复杂性，图像配准的技术还有待于进一步的发展。目前国内外同行都在研究图像配准的方式与其相关的技术。对于图像配准问题，已有一套统一的处理框架和思路，但是每一类具体的图像配准问题又有其特殊的分析、处理方法。同时由于图像之间存在复杂多变的成像畸变，因此图像配准技术是一个非常困难的课题。通过对图像
的精确配准，将能更好的进行图像信息融合，目标定位，变化检测，高分辨率图像的重建等后续处理工作，处理结果的好坏将直接影响后续工作的质量。所以，对图像配准进行研究，具有理论和实践双重意义。
1.2 图像配准国内外发展现状
图像配准最早在美国七十年代从事的飞行器辅助导航系统、武器投射系统的末制导以及寻地等应用研究中提出。八十年代后，在很多不同领域都有大量配准技术的研究，如遥感领域，模式识别，自动导航，医学诊断，计算机视觉等。早在 70 年代，P.E.Anuta就提出了使用 FFT 进行互相关图像检测计算的图像配准技术，以提高配准的速度性能；D.L.Barnea等提出了使用模板子图像差值相似性测度的图像配准技术，它比使用 FFT 计算互相关相似性测度进行图像检测的方法有更高的性能；W.K.Pratt对图像配准的互相关技术进行了全面的研究；M.Svedlow等对图像配准的相似性测度和预处理方法进行了比较分析；Eric.Rignot等在较高层次上对多图像的自动配准技术和要求进行比较和分析；Flussr针对变形图像间的匹配又提出一个自适应映射方法，自动地对两幅遥感图像进行分割，使得分割后两幅图像上相应子块间的相似度较大，从这些子块之间的空间位置关系来对原来的两幅图像进行匹配。根据Insititute of ScientificInformation(ISI)的调查数据表明，最近十年里至少有超过 1000 篇的学术论文在研究图像配准问题。2002 年网上公布的美国申请专利中，图像配准相关的部分就超过 50 项，IBM 和 GE 等大型跨国企业甚至有自己的工作组专门
研图像配准问题。而在最近的国际顶级学术会议上都有关于配准的专题讲座，这足可见图像配准问题的关注程度。另外，医学图像的配准也经过了一个较长的发展历程。二十世纪八十年代初，图像配准主要应用在 DSA（数字减影血管造影）方面。它采用基于图像灰度的方法，针对二维图像，通过检测相关性和灰度值的差异来决定刚性变换的参数。这种方法在今天用于三维变换中仍可以借鉴。二十世纪八十年代中后期到九十年代初，开始关注不同模态的图像配准，这时候图像配准和图像融合也主要集中于二维刚性变换。二十世纪九十年代，医学图像配准在三维方向和非刚性图形配准上取得了飞速发展。在国内，图像处理技术起步相对较晚，后来获得了很大的发展。李智等提出了基于轮廓相似性测度的图像配准方法，它适用于轮廓特征丰富的图像的配准。王小睿等提出并实现了一种自动图像配准方法，用于图像的高精度配准，但实际上它只是一种使用互相关系数作为相似性测度的半自动的图像配准方法。郭海涛等提出了一种将遗传算法(Genetic Algorithm，简称 GA)用于图像配准的算法。熊兴华等提出将遗传算法和最小二乘法结合用于图像的子像素级配准。由此可见，图像配准技术经过多年的研究，己经取得了诸多研究成果，不论在国内还是国外，图像配准技术都发展的非常迅速。早期的图像配准技术主要应用于多波段遥感图像的校准。近二十年来，在模式识别和运动分析等领域里，配准技术发挥着越来越重要的作用。目前，像素级图像配准算法已基本成熟，亚像素级正在快速的发展，也正得到越来越广泛的应用。寻找一种在医学图像、遥感、计算机视觉等诸多领域通用