[发明专利]基于边缘特征和CS信息的多模态医学图像配准方法

说明书

技术领域

本发明涉及一种医学图像配准方法，尤其涉及一种基于边缘特征和CS(Cauchy-Schwarz)信息的多模态医学图像配准方法。

背景技术

医学图像配准就是指将来自不同形式的成像设备(如MRI，CT，PET，SPECT等)的医学图像，利用计算机技术实现对于一幅医学图像寻求一种或者一系列的空间变换，使它与另一幅医学图像上的对应点达到空间上的一致。

随着计算机技术和电子技术的发展，MRI、PET、CT等各模态影像设备，逐步成为医院的常规诊断设备，医学图像已成为临床诊断与治疗不可缺少的最重要的手段。而如何最大限度地利用影像数据提供的有用信息，提高医生对疾病诊断的准确性，对临床诊断有重大的意义。医学图像配准的主要目的就是对在临床上广泛使用的诸如CT、MRI、PET等多源医学图像信息进行有机综合，最大限度地挖掘有用信息，以提高医学成像质量、诊断的准确性和治疗精度。另外，随着医学影像新的设备不断涌现，图像种类日益丰富，基于图像配准技术可大大提高医疗单位医学图像资源的共享和有效利用率。此外，医学图像配准作为信息技术的一个重要领域，是医学图像可视化的重要支撑技术之一，还可应用于更广泛的研究和工程领域，例如：机器视觉、模式识别、生物特征识别、信息理论和信息安全等众多领域，具有重要的理论意义和应用价值。

根据医学图像所提供的信息内涵，可将医学图像分为两大类：解剖结构图像(CT、MRI、B超等)和功能图像(SPECT、PET等)。这两类图像各有其优缺点：功能图像分辨率较差，但它提供了脏器功能代谢信息是解剖图像所不能替代的；解剖图像以较高的分辨率提供了脏器的解剖形态信息(功能图像无法提供脏器或病灶的解剖细节)，但无法反映脏器的功能情况。目前这两类成像设备的研究都已经取得了很大进展，图像的空间分辨率和图像质量有很大提高，但由于成像原理不同所造成的图像信息的局限性，使得单独使用某一类图像的效果并不理想，而多种图像的利用，又必须借助医生的空间想象和推测去综合判定他们所要的信息，其准确性受到主观影响，更主要的是一些信息将可能被忽略。因此，解决这个问题的最有效的方法就是以医学图像配准技术为基础，利用信息融合技术，将结构和功能图像结合起来，利用各自的信息优势在一副图像上同时表达来自人体的多方面信息，使人体内部的结构、功能等多方面的状况通过影像反映出来，从而更加直观地提供人体解剖、生理及病理等信息。

按照特征空间，图像配准一般分为两种，一种是基于图像特征的配准方法；另一种是基于灰度的配准方法。基于图像特征的图像配准方法，就是通过提取图像共同的特征，如点、线段和面等，并建立基于图像特征的目标函数，最后通过最优化搜索技术得到配准参数。该方法依赖于特征点的准确提取，易受噪声的影响，使得优化过程极易陷入局部极值。基于灰度的配准方法主要是对图像的灰度进行操作，缺点是计算量过大。

为了寻找图像间更加稳定的相似性测度来改善各种图像配准方法的稳定性，以克服图像配准存在的鲁棒性问题，将几何特征和像素相似性的方法相结合，实现两者优势互补，是一种有效和可行的思路。有的研究者利用互信息匹配形状特征点进行配准，有的结合区域边缘信息进行配准，有的利用互信息与曲线、曲面等方法相结合实现图像匹配，另外还有将图像的梯度信息作为空间信息加入到互信息中的方法，在一定的范围内也可以实现图像配准。但是，医学图像因受成像设备、噪声干扰等因素影响，与普通图像比较，本质上具有模糊性和不均匀的特点，且易受到人体解剖组织结构和形状不确定性知识的影响，普遍视觉效果较差。从配准算法自身的角度看，有其配准环节算法设计的问题。当前多模医学图像配准方法所存在的主要问题是：图像数据分割一直没有针对图像配准机制行之有效的方法，图像局部特征不变性缺乏，图像分割效果偏离生理视觉注意特点，且所构造的医学图像配准测度往往计算量过大、速度慢、鲁棒性差，难以满足图像配准的要求。

发明内容

本发明所要解决的技术问题在于克服现有技术所存在的不足，提供一种基于边缘特征和CS信息的多模态医学图像配准方法，该方法在计算标准差、信息量以及平均计算时间等方面性能更优，鲁棒性更好。

本发明的基于边缘特征和CS信息的多模态医学图像配准方法，包括以下步骤：

步骤A、对源图像和目标图像分别进行边缘特征提取，得到目标图像和源图像的边缘特征点集合X、Y；