Python Mattes相互信息3D图像配准的基本疑问 1.马特相互信息怀疑

在SimpleTk Mattes中，互信息是一个相似度量，这是一个最大化函数还是最小化函数

我已经尝试了3D注册（图像大小：480*480*60）与 度量蒙版互信息度量和梯度下降优化器

输出

---

努莫宾斯=30

优化器停止条件：RegularStepGradientDescentOptimizerv4:24次迭代后的步长太小。当前步骤（7.62939e-06）小于最小步骤（1e-05）

迭代次数：25次

公制值：-0.871268982129

---

努莫宾斯=4096

优化器停止条件：RegularStepGradientDescentOptimizerv4:34次迭代后的步长太小。当前步骤（7.62939e-06）小于最小步骤（1e-05）

迭代次数：23次

公制值：-1.7890

---

如果它是一个最小化函数，那么越低越好，我怀疑

2.变换矩阵最终输出 TranslationTransform（0x44fbd20） RTTI类型信息：itk:：TranslationTransform 参考计数：2 修改时间：5528423

什么是修改时间

3.最后一个度量是注册精度度量？ 公制是注册准确度的标志吗？度量值越高是否意味着注册越好？或者它只是优化后最佳点的一个值

4.随机抽样登记 10-20%的随机样本点足以进行注册。但问题在于，这些样本是从主要投资回报率还是在投资回报率之外采集的？屏蔽是一个选项，SimpleTk中还有其他选项吗

---

谢谢，ITK中的相似性度量通常会给出成本，因此优化器会尝试将其最小化。互信息是该规则的一个例外（MI越高越好），因此，为了适应现有框架，互信息具有负值-负数越大越好，而负数越小，同时仍遵循应最小化互信息的逻辑

修改时间用于检查是否应更新某个筛选器

通常，较低的度量意味着更好的注册。但不同度量之间，甚至使用相同度量的不同类型的图像之间，它是不可比较的

---

随机抽样将在您的投资回报率中抽取10-20%的样本。我不确定它是在RoI中随机选取，还是在图像中随机选取，然后检查它是否在RoI中。

度量可以用来估计箱子的数量。正确的？因为我们只是在改变垃圾箱的数量。没有别的了。是否有任何输出参数来检查注册花费了多少时间？随机抽样不知道ROI，对吗？所以我认为它会把整个图像当作样本空间。不如果我对methodA和methodB使用度量X，对于同一个图像对，度量对比较这两种方法没有帮助。虽然我不知道它们什么时候会产生误导，因为对于一对图像，代价函数是相同的，因为我们使用相同的度量，只有优化算法会不同。它只给出要使用的转换，在两种情况下，将使用相同的公式计算度量。因此，我认为情况1中的度量值1.23应该与情况2相同，不是吗？对于相同度量和相同图像对的情况，可以使用度量值来比较不同的配准变换或用于实现它们的方法。值越低越好！越低意味着对相互信息的负面影响越大。是的！只有MI相关的指标是相反的。RMS（均方根）也可以得出同样的结论？我的意思是越低越好。这是在恶魔注册的情况下使用的！是的，它可以-相同的度量和相同的图像对导致可比较的注册。