[发明专利]多模态视网膜眼底图像配准方法及装置

权利要求书

1.一种多模态视网膜眼底图像配准方法，其特征在于，包括：

获取多模态的浮动图像和参考图像；

根据尺度不变特征转换算法，提取所述浮动图像中的多个第一特征点组成第一特征点集，以及提取所述参考图像中的多个第二特征点组成第二特征点集；

根据所述第一特征点集的第一形状上下文特征，以及所述第二特征点集的第二形状上下文特征，获取第一特征差异矩阵，并根据所述第一特征点集的第一纹理特征和所述第二特征点集的第二纹理特征，获取第二特征差异矩阵；

根据期望最大化算法，在E步处理中，对所述第一特征差异矩阵和所述第二特征差异矩阵通过高斯混合模型和贝叶斯定律求解进行计算，获取所述第一特征差异矩阵与所述第二特征差异矩阵基于混合高斯模型的贝叶斯规则的后验概率矩阵后，在M步处理中，根据所述后验概率矩阵进行计算，获取点集坐标，直至期望最大化算法的计算结果收敛或达到预设的迭代次数；

根据所述点集坐标，获取配准后的图像；

其中，所述E步处理包括：

在D维空间中，根据获取第i个所述第二特征点由第j个所述第一特征点生成的生成概率；其中，y_j为第j个所述第一特征点，x_i为第i个第二特征点，各所述第一特征点的先验概率以及各向同性协方差σ²I相同；

为所述第一特征点和所述第一特征点添加预设权重，基于所述预设权重和所述生成概率，获取所述高斯混合模型的概率密度函数后，根据贝叶斯定理，获取第一特征点集与所述第二特征点集的欧式距离特征对应关系；

将所述第一特征差异矩阵与所述第二特征差异矩阵通过欧式距离特征对应关系进行计算，得到所述后验概率矩阵；

所述M步处理包括：

在能量方程中加入全局-局部几何结构约束：

其中，第二项和第三项表示约束项，λ和η分别表示约束的强度控制；κ表示高斯核κ(y_j,y_i)＝exp(-||y_i-y_j||²/2ψ²)，常数ψ是高斯核的宽度，W、σ和β分别需要优化求解的参数，CE_ji为后验概率矩阵，i,j示点集索引，X表示源点集，Y表示目标点集，L(T)为局部约束，G(T)为全局约束；

通过求导得到括号里的参数，每一次更新的都带入E步中；两个步骤不断迭代，直至能量方程收敛或达到设置的最大迭代次数，从而得到点集坐标T(Y,W)＝Y+κW。

2.根据权利要求1所述的多模态视网膜眼底图像配准方法，其特征在于，所述根据尺度不变特征转换算法，提取所述浮动图像中的多个第一特征点组成第一特征点集，以及提取所述参考图像中的多个第二特征点组成第二特征点集，包括：

以预设的阈值，根据所述尺度不变特征转换算法对所述浮动图像和所述参考图像进行遍历，获取所述阈值下的各第一特征点和各第二特征点后，迭代地基于预设的初始值更新所述阈值，并根据每次迭代后的阈值，获取每次迭代后的阈值下的各所述第一特征点和各所述第二特征点，直至所述阈值的迭代次数达到预设次数后，生成包含所有所述第一特征点的第一特征点集，以及包含所有所述第二特征点的第二特征点集。

3.根据权利要求1所述的多模态视网膜眼底图像配准方法，其特征在于，所述根据所述点集坐标，获取配准后的图像，包括：

将所述点集坐标通过反推法进行图像配准，获取配准后的图像。