1.图像配准：作为图像融合的一个预处理步骤，图像配准是对两幅图像，通过寻找一种空间变换把一幅图像映射到另一幅图像，使得两图中对应于空间同一位置的点一一对应起来，从而达到信息融合的目的。
2.原理：
3.分类：
- 空间维数：2D/2D, 2D/3D, 3D/3D，不同时刻提取的两幅图像进行配准的问题。
- 特征及相似性测度
- 基于内部特征（图像中的关键点）：图像内部本身提取的信息：
- 基于像素值：利用像素或体素构成特征空间，根据像素值的统计信息来计算相似性测度（最小二乘法，傅里叶法，互相关法，互信息法等）。
- 基于表面：利用分割法提取出感兴趣的部分的轮廓（曲线或曲面），以作为比较的特征空间。
- 基于特征点：在几何上有特别意义的可以定位的特征点集（比如不连续点，图形的转折点，线交叉点等），医学图像中具有解剖意义的点。
-
基于外部特征：医学图像中通过在患者身上固定标记物或向体内注入显影物质以获得在图像上的确定的标记点，称为外部特征点。
- 基于内部特征（图像中的关键点）：图像内部本身提取的信息：
- 变换性质：刚体变换和非刚体变换（刚体变换，仿射变换，投影变换和曲线变换）。
- 优化算法：配准问题=求解相似性测度最优值的问题，迭代优化算法（梯度下降法、牛顿法、Powell法、遗传算法）。
- 医学图像配准中，还可以根据以下方式分类：
- 图像模态：单模态和多模态：由于医学成像设备可以提供关于患者不同信息不同形式的图像（计算机断层扫描CT，核磁共振MRI，正电子发射断层成像PET，功能核磁共振fMRI等）。
- 主体：可分为Intrasubject（图像来自同一病人），Intersubject（来自不同的病人）和Atlas（病人数据和图谱的配准）。
- 图像采集方式
- 多视图配准（Multi-view Analysis）：同一物体在同一场景不同视角下的图像配准。
- 多时相配准（Multi-temporal Analysis）：同一物体在同一场景同视角不同时间的图像配准。如运动追踪，肿瘤生长情况跟踪等。
- 多模态配准（Multi-modal Analysis）：基于单种或多种模态图像的配准，可划分为单模态（Single-modality）和多模态（计算机断层扫描CT，核磁共振MRI，正电子发射断层成像PET，功能核磁共振fMRI等）。
-
刚性配准：平移、旋转、刚体变换：配准对象在变换前后任意两点的距离保持不变（人脑）；
-
非刚性配准：又称形变配准（Deformable Registration）寻找某种非线性空间变换,使存在非刚性形变的两幅医学图像恢复在空间位置和解剖结构上的对应关系。非刚性医学图像配准技术可以提供同种模态或多种模态的医学图像的互补信息。
-
仿射变换：特点是直线映射后依旧是直线，且相互平行的直线映射后依旧是平行直线；
-
投影变换：直线映射为直线，但是相互平行的直线映射后不再平行，而且参数通常为定值；
-
非线性变换：弹性变换，将直线映射为曲线
-
基于物理模型的配准
-
基于光流场的配准
-
基于样条函数的配准
-
4.医学图像配准：寻找一种空间变换，使得两幅或多幅图像的对应点达到空间位置和解剖位置的完全一致，配准的结果应该使两幅图像上所有的解剖点、或至少是具有诊断意义的点都达到匹配。
5.医学图像配准步骤：图像预处理–空间变换–图像插值–相似性测度–参数优化–配准效果评价，
- 图像预处理：使目标图像和配准图像的信息和空间分布保持相对一致，即滤除噪声等影响配准效果的一些因素；
- 空间变换：建立标图像和配准图像的空间对应关系（刚体变换、仿射变换、投影变换、非线性变换等）；
- 图像插值：利用图像插值解决图像经过空间变换之后像素点不为整数的问题，使用插值来获得整数位置上的图像像素值（最近邻插值、双线性插值、B样条插值等）。
- 评估参数计算：相似性测度包括：均方根距离、互信息、归一化互信息、相关系数、梯度差、图像差熵。
- 参数优化：图像配准实质上是求空间变换参数值使的相似性测度达到最大的过程，本质是配准函数多参数优化问题。
- 配准效果评价：准确性、可靠性、鲁棒性、计算复杂度。
5.医学图像配准评估标准：
单模图像配准： 相关性（Correlation Coefficient, CC）；
多模图像配准： 互信息（Mutual Information, MI）；
- 相关性 Correlation Coefficient (CC)：本质上是一种相似性度量，它可以了解浮动图像和参考图像的相似程度。如果两个图像完全相同，则相关性等于1；而如果两个图像完全不相关，则相关性值等于0；若相关性值等于-1，表示图像完全反相关。
- 互信息 Mutual Information (MI)：互信息是确定两个图像中相应体素的图像强度之间相似度的另一个度量。当两个图像准确对齐时，互信息最大化。互信息的值是非负且对称。其范围从零开始，可以变化到高值。高互信息值表示不确定性的大幅降低，而零互信息值清楚地表明这两个变量是独立的。
- DICE loss（图像分割领域）；
- 熵相关系数（Entropy Corrleation Coefficient，ECC）。
