[发明专利]三维图像配准方法及系统

说明书

技术领域

本发明涉及图像处理技术领域，特别涉及一种基于子图像匹配的三维图像自动配准技术。

背景技术

图像配准是指寻求待配准的两幅图像间的空间一对一映射关系，进而可以将不同时期获取的同一物体图像、同一物体的不同部分的图像或同一物体不同模态的图像进行对比分析以及融合显示等，在计算机视觉以及图像分析等领域得到了广泛的应用，其中，三维图像的配准因其处理的数据量更大而成为一个难度更大，挑战性更高的问题。因此，研究三维图像的自动配准方法是十分必要和重要的。例如，在临床诊断时，CT图像可以显示骨骼结构和组织密度分布情况；MR图像和超声图像显示的是软组织的信息；PET图像能反映人体的功能和代谢信息，单一模态的图像往往不能为医生提供足够的信息，故此要将不同模态的图像融合在一起，得到更丰富的信息以便连接病变组织或器官的综合情况。

目前已有多种图像（尤其是三维图像）的配准方法，主要有基于特征点的配准、基于图像灰度值的配准以及基于互信息的配准等。但上述方法各有其不足之处：

（1）基于特征点的配准需要遍历三维图像的每一个点进行特征点筛选并提取候选特征点，然后对候选特征点计算特征向量，通过特征向量的匹配实现两幅图像的配准，其主要问题在于特征点难以准确提取，尤其是对一些质量比较差或者图像灰度值差异比较大的三维图像。

（2）基于图像灰度值的配准要求两幅图像的灰度值要一致，对受光照等环境影响及成像模式不同等导致的灰度值差异比较大的图像配准成功率不高。

（3）基于互信息的配准则运行时间比较长，而且可能会陷入局部极值，无法得到精确配准结果。

因为上述图像配准技术的不足之处，现有技术中对于图像配准，尤其是三维图像配准，还是采用手动配准或交互式的半自动配准，这类方法的成功率和精度都比较高，但是它加大了操作者的负担，配准的速度比较慢，效率很低。

有鉴于此，现有技术尚有待改进和发展。

发明内容

本发明的目的在于克服现有技术存在的以上问题，提供一种三维图像配准方法及系统，以解决现有技术中的三维图像配准方法中存在的缺陷。

为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

一种三维图像配准方法，用于实现参考图像和浮动图像的配准，所述方法包括以下步骤：

A100、分别加载参考图像和浮动图像；

A200、将所述参考图像和浮动图像划分为一定数量的子图像，并提取相应的显著性子图像；

A300、对提取出的显著性子图像，计算其特征向量，并根据特征向量的相似性进行局部配准；

A400、以局部配准后的显著性子图像中心作为控制点，进行基于全局变换模型的图像配准。

进一步的，所述步骤A200中，将参考图像和浮动图像划分为一定数量的子图像中，所述子图像是长方体子图像。

进一步的，所述长方体子图像的大小为8像素×8像素×8像素。

进一步的，所述步骤A200中，提取出相应的显著性子图像是指对每一个子图像计算描述其显著性的函数的数值，对于显著性函数的数值满足邻域极大值条件的子图像，选取其内接球体部分图像作为显著性子图像。

进一步的，所述显著性的函数为：

；

其中，是子图像空间，是子图像中像素点的梯度，是子图像中像素点的Hessian矩阵，是子图像的Hessian矩阵特征值方向分布。

进一步的，所述步骤A300中的特征向量由两个分量和组成；所述是显著性子图像的Hessian矩阵特征值方向分布向量，所述是描述显著性子图像的几何结构特征的三维向量；且满足：；其中，是梯度幅值加权的显著性子图像空间的协方差矩阵，、、是的三个特征值，且具有如下关系：。

进一步的，所述步骤A300中根据特征向量的相似性进行局部配准包括：定义一个衡量特征向量间相似性的评价函数，对参考图像和浮动图像中的所有显著性子图像匹配关系计算评价函数，选择满足双向匹配一致性的显著性子图像作为匹配上的显著性子图像，然后对匹配上的显著性子图像进行局部配准。

进一步的，所述衡量特征向量间相似性的评价函数由两个分量和组成，且满足：；

其中，是采用KL散度来衡量两个显著性子图像和的Hessian矩阵特征值方向分布相似性，采用欧式空间距离来衡量两个显著性子图像和的几何结构特征向量相似性。