本發(fā)明屬于圖像處理
技術(shù)領域：
，特別涉及一種前列腺圖像非剛性配準方法，可用于對醫(yī)學CT圖像和核磁共振MRI圖像的處理。
背景技術(shù)：
：前列腺是男性最大的附屬性腺，亦屬人體外分泌腺之一，位于膀胱與原生殖膈之間。細胞的基因突變會導致增殖失控，引起癌變。前列腺癌就是出自前列腺的惡性腫瘤，惡性細胞除了體積擴大和侵犯鄰近器官，還可能轉(zhuǎn)移到身體其他部位，尤其是骨頭和淋巴結(jié)。前列腺癌可造成疼痛、排尿困難、勃起功能不全等癥狀，嚴重危害人們的健康。在西方國家，前列腺癌是男性第二常見的癌癥，喪生的人數(shù)僅次于肺癌。目前，對前列腺的醫(yī)學圖像分析，主要是針對前列腺部位進行分割和對前列腺部位的CT圖像和核磁共振MRI圖像進行非剛性配準，輔助醫(yī)生的診斷。醫(yī)學圖像的配準已經(jīng)成為研究領域的熱門之一。醫(yī)學圖像配準是指通過尋找某種空間變換，使兩幅圖像的對應點達到空間位置和解剖結(jié)構(gòu)上的完全一致，要求配準的結(jié)果能使兩幅圖像上所有的解剖點，或至少是所有具有診斷意義以及手術(shù)區(qū)域的點都達到匹配。圖像的剛性配準只能對圖像進行全局變換，當需要對圖像進行精確局部變形時，如有變形的不同模態(tài)之間的融合、外科手術(shù)規(guī)劃與設計、圖像與圖譜之間的配準等，則需要對圖像進行非剛性配準。目前，醫(yī)學圖像非剛性配準在國內(nèi)外還是一個方興未艾的課題。JeanPhilipeThirion在1998年提出的基于光流場模型的Demons算法是一種基于灰度的非剛性配準方法。鑒于Demons算法在醫(yī)學圖像非剛性配準中表現(xiàn)出色，大批學者對其進行了研究，并提出了一些改進的算法。取得比較好效果的是Wang等人在2005年根據(jù)牛頓第三定律作用力與反作用力的原理提出的ActiveDemons算法和Rogelj等人在2006年提出的SymmetricDemons算法?；诠饬鲌瞿Ｐ偷腄emons算法使用參考圖像的灰度梯度信息來決定浮動圖像每個像素的移動，但這種僅靠梯度信息的方法往往是不充足的，特別是當梯度非常小的時候，圖像變形的方向不能確定。因此，當圖像有較大形變時，不能取得較好的效果。技術(shù)實現(xiàn)要素：本發(fā)明的目的在于針對上述已有技術(shù)的不足，提出一種基于混合模型的前列腺多模態(tài)圖像非剛性配準方法，以提高對復雜形變圖像的配準速度和配準準確性。本發(fā)明的技術(shù)方案是對Demons算法的改進，結(jié)合B樣條理論，采用混合模型，使其能在大形變和多模態(tài)下的非剛性配準具有較高的準確性；同時將要配準的目標從整幅圖像中分割出來進行配準，有針對性地進行配準，獲得更高的準確性和和快速性，其實現(xiàn)步驟包括如下：(1)輸入前列腺CT圖像和前列腺MRI圖像，分別用LevelSet方法分割出前列腺CT的目標圖像和前列腺MRI的目標圖像；(2)將前列腺CT的目標圖像進行高斯低通濾波預處理，用該濾波后的圖像作為參考圖像r，將前列腺MRI的目標圖像進行高斯低通濾波預處理，用該濾波后的圖像作為浮動圖像f；(3)分別將參考圖像r和浮動圖像f經(jīng)過五次1/2下采樣，按照高分辨率到低分辨率依次降低分為五層，形成從下層到上層分辨率遞減的圖像高斯金字塔；(4)從圖像的最低分辨率開始，運用SymmetricDemons算法對浮動圖像進行像素偏移，重復200次得到該層的圖像偏移；逐層迭代，將上一層得到的偏移經(jīng)過2倍上采樣作為下一層圖像偏移的初始值，直到最高的分辨率，迭代結(jié)束；(5)將步驟(4)最后得到的圖像偏移作用于浮動圖像f，通過線性插值得到初配準圖像p；(6)將參考圖像r和初配準圖像p分別表示為8×8的控制點網(wǎng)格圖，網(wǎng)格圖中每一個網(wǎng)格交叉點代表一個控制點，橫向為X方向，縱向為Y方向，在X方向上網(wǎng)格間距為δx，共有nx個控制點，Y方向上網(wǎng)格間距為δy，共有ny個控制點，用向量φ表示整個控制點網(wǎng)格，其中是X方向第i個，Y方向第j個控制點，0≤i≤nx，0≤j≤ny；(7)對于初配準圖像p中的每個控制點，在周圍四個控制點網(wǎng)格范圍內(nèi)移動，每移動到一個新位置，與之相鄰的四個控制點由原位置(x,y)移動到新的位置(x+Δx,y+Δy)，計算位移量(Δx,Δy)Τ；(8)根據(jù)初配準圖像p各個控制點的位移量(Δx,Δy)Τ得到變換后的圖像，通過相似性度量函數(shù)E迭代計算變換后的圖像和參考圖像的相似性，直到變換后的圖像和參考圖像的相似性最大，迭代結(jié)束，記錄最終的各個控制點的位移量；(9)用步驟(8)中得到的最終的各個控制點的位移量更新初配準圖像，得到最終的配準圖像q，完成圖像的配準工作。本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點：1.本發(fā)明是基于前列腺目標區(qū)域圖像進行配準，而不是基于整幅圖像的配準，避免了整幅圖像配準的繁瑣，消除了目標以外的像素造成干擾，有針對性地進行配準，提高了配準的準確性和快速性。2.本發(fā)明對Demons算法做了一些改進，在配準過程中采用多尺度分層細化思想，先從圖像的低分辨率開始，逐層迭代，將上層得到的偏移經(jīng)過上采樣作為下一層的初始值，直到最高的分辨率，這種由粗到細的配準策略在圖像像素較多的時候，有更高的準確性。3.本發(fā)明將Demons算法結(jié)合B樣條理論，采用混合模型的配準方法，避免了僅依靠灰度梯度來配準的單一性，提高了在大形變和多模態(tài)下的配準精度。附圖說明圖1是本發(fā)明的實現(xiàn)流程圖；圖2是從某醫(yī)院獲取的前列腺CT圖像和前列腺MRI圖像分割后的目標圖像；圖3是以前列腺MRI的目標圖像為浮動圖像，前列腺CT的目標圖像為參考圖像，采用Demons算法配準的結(jié)果；圖4是以前列腺MRI的目標圖像為浮動圖像，前列腺CT的目標圖像為參考圖像，采用Demons算法和B樣條結(jié)合的配準結(jié)果；圖5是用Demons算法及Demons算法與B樣條結(jié)合這兩種配準算法配準的像素點偏移圖；具體實施方法參照圖1，本發(fā)明的實現(xiàn)步驟如下：步驟1.輸入前列腺CT圖像和前列腺MRI圖像，進行分割。前列腺CT圖像和前列腺MRI圖像是從某醫(yī)院獲取的，前列腺CT圖像分辨率是256×256，前列腺MRI圖像分辨率是256×256，分別對其用LevelSet方法進行分割，分割出的目標圖像如圖2所示，其中圖2(a)是前列腺MRI的目標圖像，圖2(b)是前列腺CT的目標圖像。步驟2.對目標圖像進行預處理。將前列腺CT的目標圖像進行高斯低通濾波，使圖像更平滑、清晰，用該濾波后的圖像作為參考圖像r，將前列腺MRI的目標圖像進行高斯低通濾波，使圖像更平滑、清晰，用該濾波后的圖像作為浮動圖像f。步驟3.分別對參考圖像r和浮動圖像f根據(jù)分辨率從高到低分層。分別對參考圖像r和浮動圖像f經(jīng)過五次1/2下采樣，按照高分辨率到低分辨率依次降低分為五層，形成從下層到上層分辨率遞減的圖像高斯金字塔，其中最下層分辨率是256×256，第二層分辨率是128×128，第三層分辨率是64×64，第四層分辨率是32×32，最上層分辨率是16×16。步驟4.用Demons算法逐層對浮動圖像進行偏移。(4a)對參考圖像r和浮動圖像f，從圖像的最低分辨率開始，運用SymmetricDemons算法公式對浮動圖像進行像素偏移，得到從圖像f到圖像r在坐標k處的偏移h(k)：h(k)=2(f(k)-r(k))(▿f(k)+▿r(k))||▿f(k)+▿r(k)||2+α2(f(k)-r(k))2]]>式中，f(k)和r(k)分別是浮動圖像f和參考圖像r在坐標k處的灰度值，▽(r(k))是參考圖像r在坐標k處的灰度梯度，▽(f(k))是浮動圖像f在坐標k處的灰度梯度，α為歸一化因子，取值為2.5；(4b)根據(jù)像素偏移通過線性插值得到變換后的圖像，重復200次得到該層最后的圖像偏移；逐層迭代，將上一層得到的偏移經(jīng)過2倍上采樣作為下一層圖像偏移的初始值，直到最高的分辨率，迭代結(jié)束，記錄最終的圖像偏移量。步驟5.根據(jù)最終偏移量對浮動圖像進行線性插值，得到初配準圖像p。將步驟4最終的圖像偏移量作用于浮動圖像f，通過線性插值得到初配準圖像p，如圖3所示，其中圖3(a)是浮動圖像，圖3(b)是參考圖像，圖3(c)是初配準圖像，浮動圖像的像素偏移如圖5(a)所示。步驟6.對參考圖像r和初配準圖像p分別劃分控制點網(wǎng)格。(6a)將參考圖像r和初配準圖像p分別表示為8×8的控制點網(wǎng)格圖，網(wǎng)格圖中每一個網(wǎng)格交叉點代表一個控制點，橫向為X方向，縱向為Y方向，在X方向上網(wǎng)格間距為δx，共有nx個控制點，Y方向上網(wǎng)格間距為δy，共有ny個控制點，這樣圖像共有nx*ny個橫縱排列的控制點，這些控制點組成了整個控制點網(wǎng)格；(6b)用向量φ表示整個控制點網(wǎng)格，其中是X方向第i個，Y方向第j個控制點，0≤i≤nx，0≤j≤ny。步驟7.移動初配準圖像p的控制點，計算相鄰四個控制點的位移量。對于初配準圖像p中的每個控制點，在周圍四個控制點網(wǎng)格范圍內(nèi)移動，每移動到一個新位置，與之相鄰的四個控制點由原位置(x,y)移動到新的位置(x+Δx,y+Δy)，計算位移量(Δx,Δy)Τ：式中，T表示矩陣的轉(zhuǎn)置，x、y分別是控制點的橫、縱坐標，Δx、Δy分別是控制點在橫、縱方向的位移量，δx、δy分別是橫、縱方向的網(wǎng)格間距，Bl表示三次B樣條的第l個樣條基函數(shù)，l＝0～3，Bm表示三次B樣條的第m個樣條基函數(shù)，m＝0～3，三次B樣條基函數(shù)為：B0(u)=(1-u)36B1(u)=3u3-6u2+46B2(u)=-3u3+3u2+3u+16B3(u)=u36,B0(v)=(1-v)36B1(v)=3v3-6v2+46B2(v)=-3v3+3v2+3v+16B3(v)=v36.]]>步驟8.相似性度量，得到各個控制點最終的位移量。根據(jù)初配準圖像p各個控制點的位移量(Δx,Δy)Τ得到變換后的圖像，通過相似性度量函數(shù)E迭代計算變換后的圖像和參考圖像的相似性：E=1NΣk=1N(t(k)-r(k))2]]>式中，N為圖像像素點總數(shù)，r(k)為參考圖像在像素點k的灰度值，t(k)為變換后的圖像在像素點k的灰度值。直到變換后的圖像和參考圖像的相似性最大，迭代結(jié)束，記錄最終的各個控制點的位移量。步驟9.更新初配準圖像，完成配準。用步驟8中得到的最終的各個控制點的位移量更新初配準圖像，得到最終的配準圖像q，如圖4所示，其中圖4(a)是浮動圖像，圖4(b)是參考圖像，圖4(c)是最終的配準圖像，浮動圖像在初配準之后的像素偏移如圖5(b)所示。從而實現(xiàn)圖像的精配準。對比圖3和圖4可見，本發(fā)明采用多尺度分層細化思想，并結(jié)合B樣條理論，采用混合模型的配準方法，提高了配準精度，使配準算法能在圖像復雜形變和多模態(tài)下取得較好的效果。對用Demons算法及Demons算法與B樣條結(jié)合這兩種配準算法配準的評價指標如表一所示：表一評價指標評價指標配準前Demons算法結(jié)合Demons和B樣條算法互信息0.35210.49300.5146相關(guān)系數(shù)0.79210.91670.9354由表一可見，采用結(jié)合Demons和B樣條算法的配準結(jié)果的評價指標比采用Demons算法的配準結(jié)果的評價指標有明顯改善。當前第1頁1 2 3