秦泽青，叶志伟，王泽松，徐 川，曹 羽

1(湖北工业大学 计算机学院，武汉 430068) 2(湖北大学 计算机与信息工程学院，武汉 430062) 3(湖南大学 信息科学与工程学院，长沙 410012) E-mail：weizhiye121@163.com

1 引 言

医学影像可以分为解剖成像和功能成像[1]，前者分辨率较高，能够提供解剖形态信息，后者分辨率较低，但可以很好地提供功能代谢等信息.医学图像配准是指通过调整几何变换的参数，从而使不同类型医学影像的共同部分达到空间位置上一致的过程[2，3]，可以更全面地提供病灶的信息，对现代医疗有着重大的意义[4].本质上，医学图像配准是一种参数最优化问题[5]，可以使用优化算法进行处理.

传统的优化方法已被应用于医学图像配准问题，然而，由于图像离散化，噪声等因素的影响，优化过程容易陷入局部最优解.近年来，基于进化算法和其他元启发式方法的医学图像配准方法展现出了良好的应用潜力[6]，配准精确度高，健壮性强，在很大程度上克服了传统方法的不足[7].

遗传算法(Genetic Algorithm，GA)是经典的进化算法，基于进化论模拟了自然界中的染色体交叉，碱基对变异等现象，有着良好的全局搜索能力，在许多领域得到了广泛的应用[8].但是，基于遗传算法的医学图像配准方法仍然存在着局部搜索能力较差且容易早熟收敛等不足[9].

为了改善上述问题，本研究从随机机制，种群多样性以及遗传算子3个方面出发，提出多种策略对遗传算法进行改进：1)设计一种基于混沌系统与频度记忆的随机策略，利用Logistic混沌映射产生随机数序列并结合频度记忆对随机个体的生成进行了干预，实现了随机数和随机个体的可再现性与可控性；……