[发明专利]一种非刚性多模医学图像精确配准方法

说明书

技术领域

本发明属于图像分析与处理中的图像配准领域，更具体地，涉及一种非刚性多模医学图像精确配准方法。

背景技术

随着计算机技术和图形图像学的发展，医学成像技术也不断得到提高。由于不同医学成像设备存在各自的使用范围和局限，单独使用某一类图像难以获得正确的诊断结论，将多种模式医学图像融合，充分利用图像自身的特点做到信息互补，对提高医学影像诊断的准确性具有重要意义。因待融合的多模图像其成像方位、角度和分辨率等可能存在较大差异，要实现有效的医学图像融合，需先对多模图像进行配准。图像配准是图像融合的关键技术，它通过寻找一种空间变换把一幅图像映射到另一幅图像，使两者在几何上能够匹配对应，已在外科手术计划的制定、放射治疗计划的制定、病理变化的跟踪和治疗效果的评价等方面得到了广泛应用。

多模医学图像配准主要包括刚性配准和非刚性配准两类，前者目前已基本趋于成熟，后者作为近年来图像配准问题的研究热点则有待进一步发展。针对非刚性多模图像配准问题，目前提出的方法主要包括基于灰度和基于特征的配准方法。在基于灰度的配准方法中，典型例子是基于互信息测度的配准方法，如传统互信息法、基于归一化互信息（Normalized Mutual Information,简称NMI）的方法及基于条件互信息（Conditional Mutual Information,简称CMI）的方法，这类方法其计算复杂度高，易陷入局部最优解，且可能引入图像变换误差。基于特征的配准方法中，典型例子包括基于局部方向梯度、基于局部频率、基于尺度不变特征变换(Scale Invariant Feature Transform，SIFT)及基于熵图（Entropy image）的配准方法。其中，基于熵图的配准方法先计算待匹配图像的熵图，然后计算熵图的差值平方和（Sum of Squared Differences,简称SSD），这种将Entropy image和SSD相结合的ESSD方法其配准精度优于传统互信息法，但该方法中熵图无法有效表征复杂医学图像的结构特征，因此难以实现多模医学图像的精确配准。

发明内容

针对现有技术的上述缺陷，本发明提供了一种非刚性多模医学图像精确配准方法，其利用自由形变模型和待配准图像的梯度图的差值平方和确定目标函数，利用拟牛顿法对目标函数进行迭代优化，获得最佳形变参数。本发明提出的方法能有效提取待配准图像的特征信息，克服现有方法其配准精度欠佳的不足。

为实现上述目的，按照本发明的一个方面，提供了一种非刚性多模医学图像精确配准方法，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

GRw1(i,j)=max{Sxw1⊗IR′,Syw1⊗IR′}]]>