[发明专利]一种非刚性多模医学图像精确配准方法

权利要求书

1.一种非刚性多模医学图像精确配准方法，其特征在于，包括以下步骤： 

步骤1对参考图像进行归一化处理，以得到图像I_R； 

步骤2基于脉冲发送皮层模型获得图像I_R的点火映射图I_R′； 

步骤3基于索贝尔算子获得点火映射图I_R′的梯度图本步骤具体包括以下子步骤： 

步骤3-1分别用水平方向的索贝尔算子和竖直方向的索贝尔算子 在点火映射图I_R′上滑动，使其中心都位于I_R′的像素点(i,j)，以进行卷积运算，并选取其中的较大值作为(i,j)处的梯度值

其中，表示卷积运算；w₁×w₁表示索贝尔算子的窗口大小；max{}表示取极大值运算。 

步骤3-2重复索贝尔算子的滑动操作，直到求出图像所有的像素点的取值，从而得到参考图像对应点火映射图的梯度图

步骤4对浮动图像重复步骤1至3，得到其对应点火映射图的梯度图

步骤5采用以下公式计算两梯度图和的差值平方和 

其中，x_c表示任意单个像素点；‖·‖₂表示欧几里得距离； 

步骤6改变索贝尔算子窗口大小为w₂×w₂，重复步骤3至5，以得到 两梯度图的差值平方和

步骤7确定目标函数并利用拟牛顿法进行优化迭代，得到最佳形变参数，本步骤具体包括以下子步骤： 

步骤7-1由步骤5和步骤6的输出结果计算两点火映射图I_R′和I_F′的相似性： 

步骤7-2基于步骤7-1的相似性度量公式，结合自由网格变形模型T确定目标函数f： 

f(T;I_R′,I_F′)＝sobSSD(T;I_R′,I_F′)+γC_smooth(T) 

其中γ为权重参数，C_smooth(T)为正则化项。 

步骤7-3使用布洛伊登-弗莱彻-戈德法布-香农（Broyden-Fletcher-Goldfarb-Shannon，简称BFGS）拟牛顿法对目标函数f进行迭代，得到最佳形变模型

。

2.根据权利要求1所述的一种非刚性多模医学图像精确配准方法，其特征在于，步骤（2）具体包括以下子步骤： 

步骤2-1初始化迭代n=1，设置最大迭代次数为N，内部活动项U(n)、活动项阈值E(n)、脉冲输出Y(n)和点火映射图I_R′(n)的初始矩阵U(0)、E(0)、Y(0)和I_R′(0)为零矩阵； 

步骤2-2计算图像I_R在像素点(i,j)时的脉冲输出Y_ij(n)： 

其中，Y_ij(n)为脉冲发送皮层模型的发放脉冲输出；S_ij为神经元所受的外部激励大小，表示待匹配图像在(i,j)处的灰度值的归一化结果；U_ij(n)为神经元(i,j)在网络运行中第n次迭代时的内部活动项；f为神经元内部活动的衰减系数，g为阈值衰减系数，h为阈值放大系数；W_ijkl为神经元(i,j)与神经元(k,l)间的连接突触权重。 

步骤2-3对于图像I_R的所有像素点，重复步骤2-2，以得到整幅图像所有像素点的脉冲输出，从而得出第n次迭代时的点火图Y(n)； 

步骤2-4判断n是否小于预定的最大迭代次数N，若是则设置n＝n+1，并返回步骤2-2，否则将N次迭代得到的所有点火图相加，得到图像I_R对应的点火映射图I_R′并进入步骤3。 

3.根据权利要求1所述的一种非刚性多模医学图像精确配准方法，其特征在于，w₁×w₁代表3×3的窗口，其索贝尔算子为： 

和