非刚性图像配准,因其能够更加真实地反映自然界中物体的形变过程,被广泛应用于计算机视觉、遥感技术、地形勘探、模式识别、医学等领域。然而,非刚性配准算法的研究仍然面临诸多挑战,以医学图像配准为例,对进行肿瘤切除手术的病人进行术前术中图像配准就是其中的一个难点。这是由于随着肿瘤组织的去除,待配准图像之间会发生局部对应性缺失,而同时,正常组织会发生形变并在一定程度上填充空缺部位,从而产生局部大形变。针对这一配准难点,本文提出了一种基于各向异性结构张量和联合显著信息的非刚性配准算法。该算法以基于灰度的块匹配为配准框架,在多分辨率机制下引入相似性测度混合策略(在低分辨率时用相关系数,高分辨率时用互信息),并采用归一化卷积的方法对离散的位移场进行正则化,并通过逐层叠加得到最终的形变场。针对传统的归一化卷积在处理术前术中图像配准问题时会发生形变场的突变,我们就其中的两个关键要素——适用函数和确定度进行了改进。首先,我们基于图像的局部结构张量设计了一个尺度可变、方位可旋转的各向异性高斯核函数以取代传统的各向同性适用函数,由结构张量的特征向量确定其主轴,由特征值确定其各个方向上的尺度,从而实现根据图像的结构来限定归一化卷积的范围。其次,我们将联合显著图(Joint Saliency Map)的概念[1]引入到形变场的正则化中,提出了基于局部结构张量定义的显著度,并根据待配准图像在对应位置的结构差异性确定联合显著度,并以此制定归一化卷积中的确定度分布。根据联合显著图,只有在待配准图像的对应位置均属于显著特征的像素(体素)才被赋予较高的确定度,对于属于背景区域、均质区域以及异常信号的点则认为确定度非常低,这样联合显著区域将在配准过程中起主要作用,从而避免异常信号和均质区域的影响。实验证明,本文中提出的非刚性配准算法能够有效地避免形变场的局部突变现象,增加形变场的光滑、连续性,并在一定程度上保持图像的原始结构,同时由于考虑了图像的联合显著信息,该算法能够对异常信号达到抑制作用,并基本达到现有用于解决此类问题的算法的配准精度。