遗传算法优化

这里采用遗传算法搜索变换参数，它的并行性可以避免搜索陷入局部极

值。由对标准遗传算法的分析可以知道，影响遗传算法应用的主要因素有两个：一

是容易早熟；二是收敛速度慢。这里针对医学图像配准对标准遗传算法进行了改

进，改进后的遗传算法如下：

1）编码方式

在针对 2D 人脑图像配准的算法中，有三个待寻优参数：旋转角 a、一幅

图像相对于另一幅图像沿 X 轴方向的平移 rX、一幅图像相对于另一幅图像沿 Y 轴

方向的平移 rY。对这三个参数采用实数编码方式，减少编码解码所耗费的时间，

改善算法的搜索效率，提高配准的速度。

2）适应度表示

这里用两幅图像的角点互信息作为图像配准的相似性测度，这使得适应

度函数的描述非常简单且易于实现。在某一变换 T 下，个体的适应度为：

3）轮盘赌法和最优保存策略

在用轮盘赌法进行个体选择时有可能产生随机误差，导致当前种群中适

应度最高的个体没被选中，使其在下一代中得不到繁衍。为了避免这种现象，这里

采样最优保存策略，把每一代种群中适应度最高的个体直接复制到下一代，对剩下

的 N-1 个个体采用轮盘赌法进行选择。直接保存最优个体可以保证最优个体在下一

代中出现，改善局部搜索能力，提高收敛速度。

适应度高的个体变异概率小，在小范围内搜索；相反，适应度低的个体

变异概率大，在较大范围内搜索。