[发明专利]基于三维二值特征描述子的CT体数据快速匹配方法

说明书

(一)、技术领域：本发明涉及一种数据匹配方法，特别是涉及一种基于三维二值特征描述子的CT体数据(三维图像)快速匹配方法。

(二)、背景技术：锥束CT(Cone Beam Computed Tomography,CBCT)是近年来提出的一种能直接获取被检测物体三维图像的工业CT技术，它克服了通过堆砌断层切片获取物体三维图像时空间分辨率非各向同性的缺点，能通过投影图像直接重建出被检测物体三维空间各个方向上分辨率都相同的三维图像。因此，锥束CT作为一种新的无损检测技术手段，可以很好地反映物体内部不同空间区域的结构等信息。

目前，锥束CT在无损检测、逆向工程、三维显示等领域都得到了广泛的应用，然而在实际应用时，由于此系统中光源射束锥角和探测器尺寸的限制，对于成像分辨率要求较高或者尺寸较大的物体不能通过一次成像得到其完整的三维图像。因此，通常先对被检测物体进行分区成像、重建，得到各个分区的体数据，然后将这些体数据拼接成完整的三维图像。

图像拼接通常主要包含图像配准和图像融合两个步骤，其中，图像配准是决定拼接质量的关键步骤。基于特征点的配准算法因其具有计算量小、配准精度高的特点而得到广泛的研究和应用，其流程如图1所示。

首先，在待拼接的两幅输入图像上检测特征点(特征点检测)，然后对每个特征点进行定量化数字描述(特征点描述)，接着确定两幅图像中特征点之间的对应关系(特征点匹配)，再通过一定策略提纯特征点匹配对(匹配对提纯)，最后根据图像间匹配对确定图像间的变换关系(估计图像变换参数)，从而得到图像配准的结果。

特征点匹配是衔接特征点检测和图像变换之间的关键步骤，而特征点描述则可以看作是匹配的预处理步骤。实际情况下，在三维的CT体数据中检测到的特征点通常较多，为了减少描述和匹配过程的计算时间，在选择合适的特征描述子时需要考虑提高算法计算效率的问题。

在检测到特征点之后，选择一种合适的特征点描述方法来描述特征点附近局部图像模式，以此对两幅图像进行相似性比较，是图像配准的又一重要步骤。特征点描述算法通常又被称为特征点描述子，它能定量地描述出特征点局部区域的纹理和形状等信息。

迄今为止，人们研究了各种各样的特征点描述算法，但是这些描述算法大多都是针对二维图像的描述子。这些描述子大致可以分为基于图像梯度分布、基于空间关系、基于微分和不变矩等类型，主要包括：SIFT(2004年)、PCA-SIFT(2004年)、SURF(2008年)、GLOH(2009年)、KPB-SIFT(2010年)、DAISY(2010年)等。其中，基于图像梯度方向直方图统计的方法得到了广泛应用，这类描述子主要使用梯度统计直方图来表示不同的图像局部纹理和形状特征。在基于图像梯度分布的描述子中，最著名的是Lowe提出的SIFT描述子，它于1999年由D.Lowe首次提出，至2004年得到完善。SIFT描述子具有很强的可区分性，并且对尺度、旋转以及一定视角和光照等图像变化都具有良好的不变性，但由于其描述子维度高，特征描述与匹配都较耗时。SURF描述子利用Haar小波对二阶高斯微分模板进行简化，同时引入积分图像技术进行快速计算。所以，SURF描述子在和SIFT的性能相当的情况下，速度可达到SIFT的3到7倍。

除了上面提到的经典描述算法外，目前二值特征描述算法也得到了广泛的关注，这一算法在2010年由Calonder等首次提出，其代表算法有：BRIEF(2010年)、ORB(2011年)、BRISK(2010年)、FREAK(2012年)等。二值特征描述算法主要利用局部图像邻域内随机点对的灰度大小关系来建立图像局部特征描述子。这种描述子的构建速度快，存储所需的内存少，并且匹配效率高，是近年来图像局部特征描述子研究领域的热点。

与三维特征点检测算法类似，研究三维特征点描述算法通常也是将二维描述子向三维空间进行拓展。2007年，W.A.Cheung对SIFT做了三维拓展，他首先将尺度空间理论拓展到三维，然后将超球面坐标用于三维图像梯度的表示，用多维直方图表示三维描述子。此后，三维SIFT算法还被应用于三维CT图像和超声图像的匹配处理。2008年，Ste’ phane Allaire为了完善SIFT特征点在三维空间的方向不变性，设计了具有全方向不变性的三维斑点检测子。2010年，Jan Knopp对SURF算法在三维空间上进行了拓展，用于三维图像的分类(使用双目视觉等方式生成的空间中的曲面图像)，Jan Knopp通过确定特征点的主、辅方向构建用于进行特征描述的网格，从而保证了描述子在三维空间上的旋转不变性。

(三)、发明内容：