OnePlusOneEvolutionary
Один плюс один эволюционная настройка оптимизатора
Описание
OnePlusOneEvolutionary объект описывает одну плюс одну эволюционную настройку оптимизации, которую вы передаете функциональному imregister решать регистрационные задачи изображений.
Создание
Можно создать OnePlusOneEvolutionary объект с помощью следующих методов:
imregconfig— ВозвращаетOnePlusOneEvolutionaryобъект, соединенный с соответствующей метрикой для регистрации многомодальных изображенийВвод
на командной строке создаетmetric = registration.optimizer.OnePlusOneEvolutionary;
OnePlusOneEvolutionaryобъект с настройками по умолчанию
Свойства
Примеры
Укажите изображения с одним плюс один эволюционный оптимизатор
Создайте OnePlusOneEvolutionary объект и использование это, чтобы указать два изображения MRI колена, которые были получены с помощью различных протоколов.
Считайте изображения в рабочую область. Изображения многомодальны, потому что у них есть различная яркость и контраст.
fixed = dicomread('knee1.dcm'); moving = dicomread('knee2.dcm');
Просмотрите неправильно выровненные изображения.
figure imshowpair(fixed, moving,'Scaling','joint');
Создайте объект настройки оптимизатора, подходящий для регистрации многомодальных изображений.
optimizer = registration.optimizer.OnePlusOneEvolutionary
optimizer =
registration.optimizer.OnePlusOneEvolutionary
Properties:
GrowthFactor: 1.050000e+00
Epsilon: 1.500000e-06
InitialRadius: 6.250000e-03
MaximumIterations: 100
Создайте метрический объект настройки, подходящий для регистрации многомодальных изображений.
metric = registration.metric.MattesMutualInformation;
Настройте свойства оптимизатора так, чтобы проблема сходилась на глобальные максимумы. Увеличьте число итераций, которые оптимизатор будет использовать, чтобы решить задачу.
optimizer.InitialRadius = 0.009; optimizer.Epsilon = 1.5e-4; optimizer.GrowthFactor = 1.01; optimizer.MaximumIterations = 300;
Выполните регистрацию.
movingRegistered = imregister(moving,fixed,'affine',optimizer,metric);Просмотрите зарегистрированные изображения.
figure imshowpair(fixed, movingRegistered,'Scaling','joint');
Алгоритмы
Эволюционный алгоритм выполняет итерации, чтобы найти набор параметров, которые приводят к самому лучшему регистрационному результату. Это делает это путем беспокойства, или видоизменение, параметры от последней итерации (родительский элемент). Если новые (дочерние) параметры приводят к лучшему результату, то дочерний элемент становится новым родительским элементом, параметры которого встревожены, возможно, более настойчиво. Если родительский элемент приводит к лучшему результату, это остается, родительский элемент и следующее возмущение менее агрессивны.
Ссылки
[1] Styner, M., К. Бречбуехлер, Г. Сзекели и Г. Джериг. "Параметрическая оценка неоднородности интенсивности применилась к MRI". Транзакции IEEE на Медицинской Обработке изображений. Издание 19, Номер 3, 2000, стр 153-165.