Optimization of Mutual Information for Multiresolution Image Registration

다해상도 영상정합을 위한 상호정보 최적화

We propose an optimization of mutual information for multiresolution image registration to represent useful information as integrated form obtaining from complementary information of multi modality images. The method applies mutual information as cost function to measure the statistical dependency or information redundancy between the image intensities of corresponding pixels in both images, which is assumed to be maximal if the images are geometrically aligned. As experimental results we validate visual inspection for accuracy, changning initial condition and addictive noise for robustness. Since our method uses the native image rather than prior feature extraction, few user interaction is required to perform the registration. In addition it leads to robust density estimation and convergence as applying non-parametric density estimation and stochastic multiresolution optimization.

본 논문에서는 다중 모달리티 영상으로부터 상호보완적인 정보를 추출하여 통합된 형태로 표현하기 위하여 다해상도 영상정합을 위한 상호정보 최적화 방법을 제안한다. 본 방법은 두 영상이 기하학적으로 정렬되면 명암도 유사성 측정을 위한 평가함수인 상호정보가 최대화된다는 가정 하에 두 영상에서 대응되는 화소 명암도간 통계적 의존관계나 정보중복성을 계산하여 영상간 변환관계를 추정하여 정합한다. 실험결과로는 뇌 자기공명영상과 뇌 전산화단층 촬영영상을 사용하여 육안평가를 통한 정확성 측면과 초기조건 변화와 잡음 첨가를 통한 견고성 측면으로 검증한다. 본 방법은 표면이나 특징 부위 추출에 의한 정합이 아닌 영상 자체 정보를 사용함으로써 사용자와의 빈번한 상호작용을 줄이며 비모수화 밀도추정으로 기존 평가함수보다 견고하게 밀도추정이 가능하다. 또한 다해상도 기법을 적용한 확률적 최적화로 견고한 수렴을 유도한다.