基于SURF和光流场的医学图像配准技术研究

提出了基于SURF算法和光流场模型相结合的多模态医学图像配准算法。由于传统光流场模型具有灰度一致性的约束条件以及多模态医学图像的结构差异较大,导致算法对于多模态医学图像无法取得较好的配准结果。首先引入直方图规定化算法作为医学图像预处理,解决多模态医学图像中灰度差异较大的问题;然后根据多模态医学图像结构差异较大的特点,本文采用分级配准的思路,将SURF算法和传统光流场算法结合起来可以获得较好的配准结果;最后采用CUDA并行加速的方法对本文算法进行GPU加速。研究结果表明:本文算法具有较高的准确性和更好的鲁棒性。