專利名稱：一種明暗不均勻的醫(yī)學(xué)圖像的配準方法
技術(shù)領(lǐng)域：
本發(fā)明涉及通用圖像數(shù)據(jù)處理，具體涉及在圖像平面內(nèi)的圖形圖像轉(zhuǎn)換方法，該方法適用于明暗不均勻的醫(yī)學(xué)圖像配準。
背景技術(shù)：
迄今為止，針對明暗不均勻的醫(yī)學(xué)圖像配準問題，主要有以下三類解決方法一是利用局部相似性測度。這種方法的理論依據(jù)可以直觀的理解為在小鄰域 范圍內(nèi)，可將圖像視為明暗均勻的。Ardecani等人提出在以每個像素點為中心的小窗口內(nèi)，使用局部相關(guān)系數(shù)作為相似性測度。為了克服陷入局部極值，使用多分辨率的塊匹配。Hermosillo等人通過局部化相關(guān)比和互信息量，提出一個局部相似性測度的框架。Yi和Soatto考慮到局部歸一化互信息對明暗不均勻不敏感，全局歸一化互信息不容易陷入局部極值的特點，從而將二者結(jié)合起來并加權(quán)。這類基于局部相似性測度的方法雖能對明暗不均勻的圖像產(chǎn)生較好的配準結(jié)果，但由于在小窗口內(nèi)進行局部統(tǒng)計，將會使目標函數(shù)產(chǎn)生更多的局部極值。另外，此類方法對噪聲和出格點比較敏感。第二種方法是基于貝葉斯理論，使用更復(fù)雜的概率模型來解決明暗不均勻圖像的配準。El-Baz等人提出使用馬爾可夫-吉布斯隨機場學(xué)習(xí)一幅圖像的先驗表觀模型，再對第二幅圖像進行變換使其概率最大。Wyatt和Noble提出使用馬爾可夫隨機場模型迭代地分割和配準圖像的類標簽。Zheng和Zhang提出使用基于灰度相似性測度的最大后驗概率-馬爾可夫隨機場框架。這些基于馬爾可夫隨機場的方法嚴重依賴于局部灰度的關(guān)系和初始參數(shù)的選擇。第三種解決方法是同時進行灰度校正和圖像配準。Frison提出使用非線性灰度變換和卷積濾波對圖像進行灰度校正，再使用最小平方差方法進行圖像配準，但針對不同的問題，必須手動選擇不同的卷積濾波。Ashburner和Frison提出關(guān)于聯(lián)合配準、灰度歸一化和分割的概率框架，這種方法雖然可以產(chǎn)生較準確的配準結(jié)果，但需要手動選擇參數(shù)且計算量大。Andriy Myronenko提出基于殘差復(fù)雜度的相似性測度(AndriyMyronenko^and Xubo Song, Intensity-Based Image Registration by MinimizingResidual Complexity, IEEE Trans. Med. Imag.，vol. 29，no. 1，pp. 1882-1891，Nov. 2010)，通過解析方法求取灰度校正場并推導(dǎo)出殘差復(fù)雜度。與前邊方法的不同之處在于，殘差復(fù)雜度的表達式中不含灰度校正場，從而自適應(yīng)地約束了校正場，保證了需要配準的兩幅圖在灰度空間上的一致。該方法根據(jù)給定的基函數(shù)一離散余弦變換，度量殘差圖像的稀疏性。當(dāng)使用少量的基函數(shù)可以對殘差圖像進行稀疏編碼時，殘差復(fù)雜度達到最小。但是，Andriy
Myronenko利用殘差復(fù)雜度構(gòu)造的目標函數(shù)
權(quán)利要求
1.一種明暗不均勻的醫(yī)學(xué)圖像的配準方法，該方法包括以下步驟 (1)分別讀入待配準的參考圖像和浮動圖像； (2)計算殘差圖像和殘差圖像的每一像素點的權(quán)重，其中， 所述殘差圖像的計算方法為用參考圖像中每一像素點的灰度值減去浮動圖像對應(yīng)的像素點的灰度值，得到殘差圖像； 所述殘差圖像的每一像素點的權(quán)重的計算方法為分別以參考圖像的每個像素點為中心，逐一求得每一像素點灰度值的局部方差，然后將所得到的局部方差代入下式(I )算出與參考圖像相對應(yīng)的殘差圖像的每一像素點的權(quán)重
2.根據(jù)權(quán)利要求I所述的一種明暗不均勻的醫(yī)學(xué)圖像的配準方法，其特征在于，步驟(I)還包括將所讀入的參考圖像和浮動圖像進行下述預(yù)處理的步驟將參考圖像和浮動圖像由無符號整數(shù)類型轉(zhuǎn)化為雙精度浮點類型；將參考圖像和浮動圖像的每一像素點的灰度值線性變換為(Tl。
3.根據(jù)權(quán)利要求I或2所述的一種明暗不均勻的醫(yī)學(xué)圖像的配準方法，其特征在于，步驟(4)所述的終止條件為相鄰兩次迭代的能量函數(shù)的改變率小于10_5。
全文摘要
本發(fā)明涉及一種明暗不均勻的醫(yī)學(xué)圖像的配準方法，該方法包括以下步驟分別讀入待配準的參考圖像和浮動圖像；用參考圖像中每一像素點的灰度值減去浮動圖像對應(yīng)的像素點的灰度值，得到殘差圖像；將局部方差代入式(Ⅰ)算出與參考圖像相對應(yīng)的殘差圖像的每一像素點的權(quán)重；將殘差圖像與殘差圖像的每一像素點的權(quán)重點乘后替換式(Ⅱ)中的r，得到如式(Ⅲ)所示的求解配準圖像的目標函數(shù)；采用梯度下降法迭代求解最小化的(Ⅲ)式所示的目標函數(shù)，當(dāng)相鄰兩次迭代滿足預(yù)設(shè)的終止條件時，即完成配準。本發(fā)明所述的配準方法具有平滑性好、配準精度高和魯棒性強的優(yōu)點。
文檔編號G06T7/00GK102831599SQ20121024815
公開日2012年12月19日 申請日期2012年7月17日 優(yōu)先權(quán)日2012年7月17日
發(fā)明者盧振泰, 張娟, 陽維, 馮前進, 陳武凡 申請人:南方醫(yī)科大學(xué)