[发明专利]一种应用于医学图像的非刚性配准方法

说明书

技术领域

本发明属于图像处理领域，具体涉及一种应用于医学图像的非刚性配准方法。

背景技术

为了分析和理解图像，人们需要进行图像处理以获取图像的灰度、空间位置、纹理等信息。图像处理涉及的领域很广，包括图像压缩、图像复原、图像去噪、图像分割、图像配准、图像融合、三维可视化等。其中，图像配准进行的是获取图像的空间位置信息的工作，它通过某种空间变换，使待处理的两幅图像的对应结构相互对齐，从而为之后更进一步的图像处理做准备。

根据图像的变换方式，图像配准的方法可以分为两类：刚性配准方法和非刚性配准方法。由于现实生活中大部分形变都是非刚性、非线性的，所以往往更需要非刚性配准方法来解决，尤其是在医学图像处理领域，非刚性配准方法应用十分广泛。

近年来，非刚性配准方法在医学图像上的典型应用主要包括：神经医学诊断和治疗研究、基于配准的分割、真实图像与标准图谱比较、2D/3D图像配准实现手术精确导航、心脏运动估计等。随着研究的层层深入，非刚性配准方法正在不断被完善，在医学图像分析与研究方面的作用日益显现，已经成为一种极其重要的医学图像处理工具。

基于光流场理论的Demons方法作为当前最广受关注的非刚性配准方法之一，不仅具有完善的理论基础，还有着不错的应用效果，这也是很多从事图像配准领域的研究人员选择Demons非刚性配准算法作为配准工具的重要原因。本发明也是基于Demons方法的。自Thirion提出Demons方法以来，国内外很多 知名大学和科研院所都积极开展基于Demons方法的图像配准研究，并取得了卓有成效的研究成果。其中，最著名的是Wang等人提出的Active Demons方法，将浮动图像的梯度信息也引入驱动力计算公式中。作为Demons方法的改进形式，不仅进一步提高了算法的收敛速度而且可以配准变形较大的图像。但是，Active Demons方法仅依靠均化系数α调节变形驱动力的强度，使得图像的变形程度不好控制，无法兼顾图像中大形变和小形变区域的准确配准，容易导致小形变区域过矫正的弊病。

发明内容

针对经典的Active Demons方法及其改进方法无法同时兼顾医学图像中大形变和小形变区域的配准缺陷，本发明设计了一种应用于医学图像的全自动配准方法。本发明在配准过程中引入新的调节变形驱动力的参数，可以更灵活、细致的调整图像的变形程度，为了进一步提高配准的精度和收敛速度，在配准过程中引入多分辨率策略，由粗到精的配准图像，有效的实现了医学图像的精确配准，克服了之前的方法中存在的缺陷。

本发明的核心技术方案主要有以下两个方面：

1.新的变形驱动力计算方法

为了能够有效地控制图像的变形程度，兼顾图像中大形变和小形变区域的配准，本发明在经典的Active Demons方法的计算公式中引入一个新的参数——平衡系数k：