基于强化学习的图像配准 - Image Registration: Reinforcement Learning Approaches

1. 配准定义

给定参考图像 I_f 和浮动图像 I_m ，所谓的配准就是寻找一个图像变换T，将浮动图像I_m变换到和 I_f 相同的坐标空间下，使得两个图像中对应的点处于同一坐标下，从而达到信息聚合的目的。在医学图像配准中，最常见的例子便是将同一个部位的CT图像变换移动到与MRI图像的位置相同，如下图：

​

而配准又分为刚性配准（rigid registration）和非刚性配准（non-rigid registration），而非刚性配准也叫做柔性配准（deformable registration）。其区别是：刚性配准的变化通常都是仿射变换，一般通过全图的平移、旋转、放缩等几个操作就可以对齐图像；而柔性配准则是对每一个局部区域（甚至每个像素点）都会有一个单独的变换，有学者们使用向量场（vector field）或者密集形变场（dense displacement field）来形容这种变换是比较合理的。换一种说法的话柔性变换也可以认为是光流（optical flow）对齐的一种医学特例。一般来说柔性配准更具有挑战性一些。

图像刚性配准