主要内容

OnePlusOneEvolutionary

一加一的进化优化配置

全部展开页面

描述

一个OnePlusOneEvolutionary对象描述传递给函数的一加一渐进优化配置imregister解决图像配准问题。

创建

您可以创建OnePlusOneEvolutionary对象，使用以下方法:

  • imregconfig——返回一个OnePlusOneEvolutionary对象与一个合适的度量来注册多模态图像

  • 进入

    度量= registration.optimizer.OnePlusOneEvolutionary;
    在命令行上创建OnePlusOneEvolutionary具有默认设置的对象

属性

全部展开

搜索半径的增长因子，指定为一个正标量。优化器使用GrowthFactor以控制参数空间中搜索半径的增长速度。如果你设置GrowthFactor对于较大的值，优化速度很快，但可能只会找到度量的局部极值。如果你设置GrowthFactor对于一个较小的值，优化会更慢，但很可能会收敛到一个更好的解决方案。

数据类型:双|单|uint8|uint16|uint32|uint64|int8|int16|int32|int64

搜索半径的最小大小，指定为正标量。ε通过调整搜索半径的最小值来控制收敛精度。如果你设置ε对于较小的值，指标的优化更精确，但计算时间更长。如果你设置ε在很大程度上，计算时间的减少是以精度为代价的。

数据类型:双|单|uint8|uint16|uint32|uint64|int8|int16|int32|int64

搜索半径的初始大小，指定为正标量。如果你设置InitialRadius到较大值时，计算时间减少。然而，值过大InitialRadius可能导致无法收敛的优化。

数据类型:双|单|uint8|uint16|uint32|uint64|int8|int16|int32|int64

优化器迭代的最大次数，指定为正整数标量。MaximumIterations确定优化器在任意给定金字塔级别上执行的最大迭代次数。配准在优化器达到最大迭代次数之前收敛。

数据类型:双|单|uint8|uint16|uint32|uint64|int8|int16|int32|int64

例子

全部折叠

打开生活的脚本

创建一个OnePlusOneEvolutionary对象，并使用它注册两个MRI图像的膝盖，获得了使用不同的协议。

将图像读入工作区。图像是多模式的，因为它们有不同的亮度和对比度。

固定= dicomread (“knee1.dcm”）;移动= dicomread (“knee2.dcm”）;

查看未对齐的图像。

图imshowpair(固定,移动,“缩放”，“联合”）;

图中包含一个轴对象。axis对象包含一个image类型的对象。

创建适合于注册多模式图像的优化器配置对象。

优化器= registration.optimizer.OnePlusOneEvolutionary
optimizer = registration.optimizer.OnePlusOneEvolutionary Properties: GrowthFactor: 1.050000e+00 Epsilon: 1.500000e-06 InitialRadius: 6.250000e-03 MaximumIterations: 100

创建适合于注册多模式图像的度量配置对象。

度量= registration.metric.MattesMutualInformation;

调整优化器的属性，使问题收敛于全局最大值。增加优化器用于解决问题的迭代次数。

优化器。InitialRadius = 0.009;优化器。ε= 1.5e-4; optimizer.GrowthFactor = 1.01; optimizer.MaximumIterations = 300;

执行注册。

movingRegistered = imregister(移动,固定的,仿射的优化器,指标);

查看已注册的镜像。

图imshowpair (movingRegistered固定,“缩放”，“联合”）;

图中包含一个轴对象。axis对象包含一个image类型的对象。

算法

一种进化算法迭代，以找到一组参数，产生可能的最佳配准结果。它通过扰乱或改变最后一次迭代(父迭代)的参数来实现这一点。如果新的(子)参数产生更好的结果，那么子参数将成为新的父参数，其参数可能会受到更大的干扰。如果父代产生更好的结果，它仍然是父代，下一次扰动就不会那么剧烈。

参考文献

[1] Styner, M.， C. Brechbuehler, G. Székely和G. Gerig。“应用于MRI的强度不均匀性参数估计。”IEEE医学影像汇刊．第19卷第3期，2000年，153-165页。

扩展功能

另请参阅

功能

对象

主题

介绍了R2012a

图像处理工具箱文档

金宝app

介绍基于MATLAB的深度学习

介绍基于MATLAB的深度学习

下载电子书