[发明专利]基于K均值聚类法的脑磁共振图像配准方法

摘要

本发明公开了一种基于K均值聚类法的脑磁共振图像配准方法，首先利用Harris算子和SUSAN算子的混合角点检测获取总角点集，利用角点强度筛选出新的角点集，采用互相关系数法进行粗匹配筛选，然后引入K均值聚类法对角点进行聚类，之后结合归一化相关法和投票匹配法筛选出精准的角点对，最后采用Powell算法对角点集合进行优化，得到重建参数值，对图像进行最终配准。其显著效果是：本发明具有良好的稳定性，能够完整、正确地描述特征点信息，减少了后续运算中程序的运行时间，提高了配准精度，实现对图像配准算法更精确、更有效率的改进，能更好的兼容大范围波动的变换图像。

主权项

一种基于K均值聚类法的脑磁共振图像配准方法，其特征在于按照以下步骤进行：步骤1：获取参考图像I和待配准图像J，采用基于Harris和SUSAN算子的混合算法分别提取图像I的总角点集A和图像J的总角点集B，按照角点强度大小对总角点集A和总角点集B进行排序，选取角点强度较大的M个角点，得到新的角点集C和角点集D；步骤2：采用互相关系数法对步骤1获得的角点集C和角点集D进行粗匹配筛选，得到特征角点对的集合E和F；步骤3：分别对步骤2获得特征角点对的集合E和F采用K均值聚类法进行聚类处理，得到角点集E′和F′；步骤4：对步骤3中得到的角点集E′和F′采用投票匹配法进行精匹配筛选，得到图像I和J各自的最终角点集G和H；步骤5：基于最终角点集G和H，采用Powell算法搜索变换参数值，实现图像配准，并计算配准后图像I和J间的互信息值；步骤6：选择步骤5获得的互信息最大值所对应的角点对作为最终的角点匹配对，并将其对应的搜索参数作为最终的搜索参数，重新对图像进行配准。