[发明专利]基于几何代数的医学图像配准方法和系统

权利要求书

1.一种基于几何代数的医学图像配准方法，其特征在于，所述方法包括：

基于GA-SURF算法对参考图像和浮动图像分别进行几何代数GA特征点提取，得到参考图像特征点和浮动图像特征点，所述参考图像与所述浮动图像均为医学图像；

根据GA球体构建算法，分别利用所述参考图像特征点和所述浮动图像特征点构建参考图像特征球和浮动图像特征球；

在共形几何代数空间中，利用所述参考图像特征球和所述浮动图像特征球确定变换关系，基于所述变换关系对所述参考图像和所述浮动图像进行配准，所述变换关系包括旋转、平移和缩放。

2.根据权利要求1所述的方法，其特征在于，所述基于GA-SURF算法对参考图像和浮动图像分别进行GA特征点提取，得到参考图像特征点和浮动图像特征点的步骤具体包括：

分别根据所述参考图像与所述浮动图像求取所述参考图像的GA积分图像和所述浮动图像的GA积分图像，所述GA积分图像的公式为：

m＝1,2,3

其中，I_Σ(X)表示所述参考图像或者所述浮动图像的GA积分图像，proj(X,e_m)表示点X在e_m方向上的投影，I(x)为表征所述参考图像或者所述浮动图像的参数，f_im(x)表示所述医学图像在e_m方向上的分量，i_m是与e_m方向相关的标注，m取值为1或者2或者3；

基于GA-SURF算法，分别将所述参考图像的GA积分图像和所述浮动图像的GA积分图像，与长方体滤波器进行卷积得到所述参考图像的图像尺度空间和所述浮动图像的图像尺度空间，分别在所述参考图像的图像尺度空间和所述浮动图像的图像尺度空间的每一层图像上，根据近似Hessian矩阵来检测图像的极值点，得到参考图像特征点和浮动图像特征点，所述参考图像或者所述浮动图像的Hessian矩阵为：

其中，H(X,σ)表示所述参考图像或者所述浮动图像的Hessian矩阵，表示为高斯二阶偏导在点X处与所述参考图像或者所述浮动图像I(x)的卷积，m和n取值为1或者2或者3；

近似Hessian矩阵为：

其中，H_approx(X,σ)表示所述近似Hessian矩阵，表示为长方体滤波器与所述参考图像或者所述浮动图像I(x)的GA积分图像I_Σ(X)的卷积，所述参考图像或者所述浮动图像的Hessian矩阵近似为所述长方体滤波器。

3.根据权利要求2所述的方法，其特征在于，所述根据近似Hessian矩阵来检测图像的极值点，得到参考图像特征点和浮动图像特征点的步骤之后还包括：

分别选取以所述参考图像特征点和所述浮动图像特征点为中心，由配准的多模态构建预设第一立方体邻域，将所述第一立方体邻域在每个维度上分为三个子区域，对于每一个子区域，计算所有像素点的哈尔小波响应值及哈尔小波响应值绝对值的求和，得到对应子区域的描述子，所述描述子的计算公式为：

v＝Σd₁e₁+Σd₂e₂+Σd₃e₃+Σ|d₁|e₁+Σ|d₂|e₂+Σ|d₃|e₃

其中，v表示与子区域对应的描述子，Σd_me_m表示在e_m方向上的所有像素点的哈尔小波响应值的求和，Σ|d_m|e_m表示在e_m方向上的所有像素点的哈尔小波响应值绝对值的求和，m取值为1或者2或者3。