[发明专利]一种基于匹配曲线特征评估的图像配准自动优化方法

说明书

技术领域

    本发明属于图像处理技术领域，具体涉及一种新的基于匹配曲线特征评估（Matching Curve feature evaluation，MCfe）的图像配准自动优化算法。

背景技术

    图像配准是图像分析领域里一个重要环节。现有的配准方法大致可分为两类：基于像素灰度的方法和基于特征的方法。基于特征的配准算法前期需要由特征检测算子提取图像特征信息，包括点特征、线特征、面特征以及其它特征描述子；基于像素灰度的匹配曲线可以从光滑度、尖锐度等形态特性直观描述配准性能，当光滑度、尖锐度良好时，意指配准效果好。通过对匹配曲线的深入研究，发现图像完全对齐时，各个自由度上的匹配曲线全局最大值相等，并且位于最优位置，即峰偏为0。本发明人在之前的一个专利申请“一种基于匹配曲线特征的图像配准评估法”（申请号：201310645358.5）中提出以匹配曲线的峰度（kurtosis）、峰偏（peak deviation，即全局最大值出现的位置与最优位置的偏差）、峰值（maximum，即全局最大值）以及峰值间的均方根误差（RMSE）等特征为定量指标，在此基础上，基于匹配曲线的上述特征，提出一种新的图像配准自动优化算法。

    

发明内容

本发明提出一种新的基于匹配曲线特征评估的图像配准自动优化算法，以匹配曲线的峰偏来调整配准参数，以峰值间的均方根误差（RMSE）设定停止迭代条件即配准精度，不断对配准参数进行优化，实现图像更精确配准。由于本发明采用修正的结构相似度函数（Modified Structural Similarity ，MSSIM）为配准测度，此算法既适用于单模态图像，也适用于多模态图像配准。具体步骤为：

第一步：读入图像，根据图像失配程度设定优化过程的迭代次数K，一般地图像之间失配越严重，算法收敛所需的迭代次数K越大；根据配准精度的要求设定配准精度e：各匹配曲线峰值间均方根误差maxinum_RMSE < e；

第二步：以修正的结构相似度函数MSSIM为测度，根据配准精度的要求设定参数的变化步长，一般地变化步长越精细，配准精度将越高，给出参考图像和浮动图像各个自由度上的匹配曲线，MSSIM度量值由下式得到：

                         （1）

其中、分别代表参考图像的子图像与浮动图像的子图像（例如第对子图像表示为、），、为小的正常数，以防止分母为零而出现不稳定，、、、以及分别表示、的亮度均值、标准差以及协方差；

第三步：分别按照下列公式计算各曲线的峰度、峰偏、峰值以及峰值间RMSE：

1）峰度（kurtosis）

                       （2）

为样本测定值，为样本n次测定值的平均值，本文引用统计学峰度的概念，但不同之处在于样品测定值为MSSIM测度值，同样可以衡量匹配曲线在全局最大值附近的集中程度或尖锐程度;

2）峰偏（peak deviation）

          （3）

为匹配曲线的测度值，峰偏与统计学的偏度（Skewness）不同，指全局最大值（即峰值）出现的位置与最优位置的偏差，平移、旋转曲线的最优位置为0位置，缩放曲线的最优位置为1位置，图像完全对齐时，全局最大值将处于最优位置，反之，偏离最优位置，偏离度由峰偏表示，峰偏理想值为0；

3）峰值（maximum）

峰值指匹配曲线的全局最大值，即，图像完全对齐时，各曲线的峰值大小完全一致；

4）峰值间均方根误差（Root Mean Square Error，RMSE）

                     （4）

                 （5）

N为配准变换的自由度， maxinum_RMSE实际上相当于标准误差，峰值间RMSE反映了各曲线峰值的一致程度，因而也反映图像之间的对齐度，即配准精度，图像完全对齐时，峰值间RMSE理想值为0；

第四步：判断是否满足迭代停止条件，如果不满足，按由大到小的次序对各曲线峰度值进行排序，然后把峰度值最大的匹配曲线对应的配准参数进行优化调整，调整方法为：

新参数值 = 旧参数值+ a*峰偏                 （6）