[发明专利]基于组合点匹配的全自动医学图像配准方法

说明书

技术领域

本发明涉及图像处理领域，尤其涉及一种基于组合点匹配的全自动医学图像配准 方法。

背景技术

图像配准技术在临床医疗领域有广泛的应用前景。其基本思想是：将特定的某一 幅图像设定为参考图像，将待配准的一幅或者多幅图像设定为浮动图像，建立浮动图像与 参考图像之间的空间对应关系和合适的相似度评价机制。根据浮动图像与参考图像相似度 的大小不断调整浮动图像到参考图像的空间变换参数，最终获得最佳配准结果下的变换参 数，为下一步的图像融合作准备。

图像配准方法主要分为两种：基于图像特征的配准方法和基于图像灰度值的配准 方法。其中，基于图像特征的配准方法的主要原理如下：提取图像的典型特征(区域特征、线 特征、点特征)，建立参考图像特征与浮动图像特征之间的对应关系，根据特征之间的相似 度调整特征集之间的空间变换参数，获取最佳配准结果。因其速度快，计算量小的特点，基 于特征的配准方法在图像配准领域发展的早期时段，以及精度要求不高的情况下有广泛的 运用。但基于特征的方法抗干扰性不高，配准结果对提取的特征的依赖性很大，特征的质量 直接影响到配准结果的好坏。为了获得较好的配准结果，往往需要人工干预选择特征，无法 实现全自动配准。同时，此类方法的配准精度和成功率都较低。

发明内容

本发明的目的旨在改善以上现有技术中的缺陷，特别针对基于特征配准方法抗干 扰性不高，人工干预多，配准精度和配准成功率都较低的情况，提出了一种基于组合点匹配 的全自动医学图像配准方法。

基于组合点匹配的全自动医学图像配准方法，包括以下步骤：

步骤1、提取医学图像轮廓特征点；

步骤2、提取特定区域的角点特征点；

步骤3、将所述轮廓特征点和所述角点特征点组合获得参考图像与浮动图像特征 点集；

步骤4、建立基于改进豪斯多夫距离的点集相似度评价机制；

步骤5、根据所述评价机制进行图像特征点集全自动配准，直至满足终止条件；

步骤6、输出配准结果。

所述提取医学图像轮廓特征点的过程为：利用边缘算子提取图像的边缘，选取边 缘线中闭合的、周长最大的边缘线作为图像的外轮廓，利用等间隔采点法选取外轮廓线上 的特征点。

所述提取特定区域的角点特征点的过程为：选择在轮廓线以内但不处于轮廓线以 内的中心范围的区域，选取区域的角点作为特征点。

所述获得参考图像与浮动图像特征点集的过程为：参考图像外轮廓点集是RK＝ {k₁，k₂，k₃，...，k_m}，其中的特定区域特征点集是RL＝{l₁，l₂，l₃，...，l_n}；浮动图像外轮廓点 集是EP＝{p₁，p₂，p₃，...，p_i}，特定区域特征点集是FQ＝{q₁，q₂，q₃，...，q_j}，则参考图像提取 的组合特征点集是r_points＝{RK，RL}，浮动图像提取的组合特征点集是f_points＝{FP，FQ}。