[发明专利]基于K均值聚类法的脑磁共振图像配准方法

说明书

技术领域

本发明涉及到医学图像处理技术领域，具体地说，是一种基于K均值聚类法的脑磁共振图像配准方法。

背景技术

脑MRI图像分析是当前病理分析的重要手段，而其中的图像配准是实现图像处理中的重要环节。经分析发现现有研究存在问题,如互信息法、归一化互信息法以及粒子群优化算法等目前已有的针对脑磁共振图像的配准算法对角点强度、角点数目及角点分布等因素的考虑有所欠缺，导致配准结果的精度不高，且配准花费的时间较长。

另外，角特征点（简称角点）检测算法具有运算量小、实时性和有效性高等优点，已被广泛用于多类图像配准中。目前已得到应用的角点检测算子有Moravec算子^[1]、Harris算子^[2]和SUSAN算子^[3]等。Moravec算子对边缘响应和噪声比较敏感，影响角点提取的准确率；Harris算子对噪声敏感，但仍是一种较稳定的角点提取算子；SUSAN算子具有很强的抗噪性、缩放和旋转不变性。

然而，目前的角点检测算法研究大都基于上述算子的改进，角点检测算法用于脑ＭＲ图像配准的研究尚少，且主要局限于对同一种角点检测算法的改进。但是，不同算子提取的角点并不能完整、正确地描述特征点信息，有必要研究结合不同算子提取角点来综合实现脑ＭＲ图像配准。

为了进一步了解上述背景技术中的专业术语，可参考以下文献：

[1]郭飞飞.基于特征点的图像配准方法及其研究.重庆：重庆大学，2010；

[2]张训华，业宁，王厚立.基于Harris角点的木材ＣＴ图像配准.山东大学学报，2010.；

[3]陈贤巧.基于特征的图像配准算法研究.安徽：中国科学技术大学.2009。

发明内容

针对现有技术的不足，本发明的目的是提供一种能够减少总程序运行时间，同时提高配准精度的脑磁共振图像配准方法，具体的技术方案如下：

一种基于K均值聚类法的脑磁共振图像配准方法，其关键在于按照以下步骤进行：

步骤1：获取参考图像I和待配准图像J，采用基于Harris和SUSAN算子的混合算法分别提取图像I的总角点集A和图像J的总角点集B，按照角点强度大小对总角点集A和总角点集B进行排序，选取角点强度较大的M个角点，得到新的角点集C和角点集D；

步骤2：采用互相关系数法对步骤1获得的角点集C和角点集D进行粗匹配筛选，得到特征角点对的集合E和F；

步骤3：分别对步骤2获得特征角点对的集合E和F采用K均值聚类法进行聚类处理，得到角点集E′和F′；

步骤4：对步骤3中得到的角点集E′和F′采用投票匹配法进行精匹配筛选，得到图像I和J各自的最终角点集G和H；

步骤5：基于最终角点集G和H，采用Powell算法搜索变换参数值，实现图像配准，并计算配准后图像I和J间的互信息值；

步骤6：选择步骤5获得的互信息最大值所对应的角点对作为最终的角点匹配对，并将其对应的搜索参数作为最终的搜索参数，重新对图像进行配准。

本发明中，首先利用Harris算子和SUSAN算子的混合角点检测获取总角点集，利用角点强度筛选出新的角点集，然后引入K均值聚类算法对角点进行聚类，之后结合归一化相关法和投票策略筛选出精准的角点对，最后采用Powell算法对角点集合进行优化，得到重建参数值，对图像进行最终配准，能够有效减少算法运行时间，提高图像配准精度。

更进一步的技术方案，所述步骤1按照以下步骤进行：

步骤1-1：采用Harris算子对图像I和J进行角点检测得到角点集I_a和J_a，采用SUSAN算子对图像I和J进行角点检测得到角点集I_b和J_b；

步骤1-2：分别对角点集I_a与I_b、J_a与J_b求并集，得到图像I的角点集合A和图像J的角点集合B；

步骤1-3：搜索角点集合A和B中每个角点对应的Harris和SUSAN角点响应矩阵，分别组成矩阵R_HA与R_SA、R_HB与R_SB；