一种基于实数编码克隆选择算法的图像配准方法

摘要

本发明公开了一种基于实数编码克隆选择算法的图像配准方法，主要解决现有技术在优化函数时易陷入局部最优，图像配准精确性不高的问题。其实现步骤为：(1)输入参考图和浮动图；(2)采用实数编码方法对抗体种群初始化；(3)构建归一化互信息函数作为目标函数；(4)计算种群抗体亲和力；(5)对抗体进行选择、克隆和变异；(6)形成记忆抗体集；(7)抗体的记忆；(8)判断是否达到终止条件，若没有达到，则跳转到(4)继续执行，否则，执行第(9)步；(9)用最优抗体配准图像并输出结果。本发明利用基于实数编码的克隆选择算法对互信息函数进行优化，解决了现有方法在优化函数时易陷入局部最优的问题，提高了图像配准的精确性。

主权项

一种基于实数编码克隆选择算法的图像配准方法，其特征在于，所述方法包括下列步骤：(1)输入分辨率相同的参考图像imageR和浮动图像imageS，并判断imageR和imageS是否为灰度图像，如果不是，则将其转换为灰度图像；(2)抗体种群初始化：随机产生抗体种群，A表示抗体集，抗体集A由临时抗体集A_r和记忆抗体集A_m组成，N＝r+m，r表示临时抗体集A_r中的临时抗体数量，m表示记忆抗体集A_m中的记忆抗体数量，N是抗体集A中抗体的总数量；(3)用A代表参考图像imageR、B代表浮动图像imageS构建归一化互信息函数MI(A,B)作为目标函数：$\mathrm{MI}(A,B)=\frac{H\left(A\right)+H\left(B\right)}{H(A,B)}$其中，H(A)是图像A的边缘熵，p_A(i)是图像A中第i级灰度级出现的概率，M为图像A中灰度级的级数，H(B)为图像B的边缘熵，p_B(j)是图像B中第j级灰度级出现的概率，N为图像B中灰度级的级数，是图像A和图像B之间的联合熵，p(i,j)是图像A中第i级灰度级、图像B中第j级灰度级这一对点在图像A和图像B这两幅图像中同一位置同时出现的联合概率，且h(i,j)是图像A和图像B的联合直方图，n是图像A和图像B重叠区域像素的个数；(4)利用克隆选择算法对归一化互信息函数MI(A,B)进行优化，具体包括：4a)计算初始种群的抗体亲和力，即归一化互信息函数MI(A,B)的值；4b)抗体选择：对抗体亲和力按照降序排列，选取抗体亲和力最高的前k个个体作为临时抗体集A_r；4c)抗体克隆：根据亲和力的大小，对选取的k个亲和力最高的个体进行克隆；4d)抗体变异：对克隆后的抗体做变异操作；4e)形成记忆抗体集：重新计算通过上述变异操作后抗体种群中每个抗体的适应度值也就是亲和力的大小，若通过上述变异操作后的抗体亲和力高于A_r中所对应的变异之前的抗体的亲和力，就用变异操作后的抗体替换原来A_r中未变异的抗体，形成记忆抗体集A_m；4f)抗体记忆：从抗体集A中删除掉亲和力最低的5％的抗体，再初始化产生5％的新抗体，用新产生的5％的抗体，替代抗体集A中被删除的5％的亲和力最低的抗体；(5)判断是否满足进化条件：若迭代次数未达到预先定义的进化代数gene，则跳转到4a)继续执行，否则，执行(6)；(6)当迭代次数达到预先定义的进化代数gene时，亲和力最高的个体为最优抗体，利用最优抗体所代表的变换参数对浮动图像imageS进行空间变换，得到变换后的浮动图像，计算并输出变换后的浮动图像和参考图像imageR之间的互信息值，将参考图像imageR和变换后的浮动图像进行配准，最后输出配准后的图像。