Один плюс один эволюционная настройка оптимизатора
OnePlusOneEvolutionary объект описывает одну плюс одну эволюционную настройку оптимизации, которую вы передаете функции imregister решать регистрационные задачи изображений.
Можно создать OnePlusOneEvolutionary объект с помощью следующих методов:
imregconfig — Возвращает OnePlusOneEvolutionary объект, соединенный с соответствующей метрикой для регистрации многомодальных изображений
Ввод
metric = registration.optimizer.OnePlusOneEvolutionary;
OnePlusOneEvolutionary объект с настройками по умолчаниюСоздайте 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');
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.
[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.