技術(shù)特征：

1.一種基于DR機器的雙能量減影方法，其特征在于：包括以下步驟：

S1：獲取曝光間隔為2秒的X射線高能量圖像和低能量圖像；

S2：以高能量圖像為模板，對低能量圖像進行配準(zhǔn)，得到相對于高能量圖像未移位的低能量圖像；

S3：對高能量圖像和配準(zhǔn)后的低能量圖像取對數(shù)變換，進行減影處理并顯示。

2.根據(jù)權(quán)利要求1所述的基于DR機器的雙能量減影方法，其特征在于：所述步驟S2包括以下步驟：

S2.1：提取特征點；

S2.2：計算特征描述符向量；

首先，計算待配準(zhǔn)圖像上每個特征點分別在8個方向上的方向?qū)?shù)，得到待配準(zhǔn)圖像在8個方向上的導(dǎo)數(shù)矩陣，如式(1)所示：

$G_k=\frac{\∂I}{\∂\stackrel{\→}{l_k}}---\left(1\right)$

式(1)中，G_k為第k個方向上的導(dǎo)數(shù)矩陣，I為待配準(zhǔn)圖像，l_k為第k個方向上的方向向量，k＝0,…,7；

然后，設(shè)以任意一個特征點(u,v)為中心的4x4個子領(lǐng)域的編號分別為A₁₁,A₁₂,…,A₄₄，子領(lǐng)域A_ij對應(yīng)權(quán)重子矩陣W_ij，選取特征點子領(lǐng)域窗口寬度的1.5倍作為高斯標(biāo)準(zhǔn)方差，計算特征描述符向量FDes(u,v)，如式(2)所示：

$FDes(u,v)={\[G_{W_{11}}^1(x_1,y_1),...,G_{W_{11}}^8(x_1,y_1),...,G_{W_{44}}^1(x_4,y_4),...,G_{W_{44}}^8(x_4,y_4)\]}^T---\left(2\right)$

式(2)中，(x_i,y_j)為子領(lǐng)域A_ij的中心點，是以(x_i,y_j)為中心的4x4個子鄰域內(nèi)每個點在k方向上的方向?qū)?shù)加權(quán)和，可以根據(jù)子鄰域的位置從對應(yīng)的中獲得，如式(3)所示；

$G_{W_{ij}}^k=W_{ij}*G_k---\left(3\right)$

式(3)中，i＝1,…,4；j＝1,…,4；k＝0,…,7；

S2.3：利用步驟S2.2中獲得的特征描述符向量進行特征點匹配，采用最近鄰與次近鄰距離比值法作為特征點匹配的相似度度量，當(dāng)最近鄰距離和次近鄰距離的比值小于設(shè)定的閾值時，最近的匹配特征點為正確的匹配特征點；

S2.4：利用S2.3中正確的匹配特征點求解待配準(zhǔn)圖像間的變換矩陣：采用RANSAC算法將誤差大于閾值的匹配特征點和錯誤的匹配特征點剔除，確定出最終匹配的特征點集合，從而求得初始變換矩陣，然后采用最小二乘法對初始變換矩陣進一步求精，得到精確的變換矩陣，最后得到配準(zhǔn)后的低能量圖像。

3.根據(jù)權(quán)利要求2所述的基于DR機器的雙能量減影方法，其特征在于：所述步驟S2.1中采用如下的方法進行特征點提?。?/p>

S2.11：將高能量圖像、低能量圖像分別與不同尺度的卷積核函數(shù)進行卷積生成不同尺度的圖像，這些不同尺度的圖像構(gòu)成了原始圖像的多尺度空間；

S2.12：在多尺度空間上檢測特征點，將高斯差分尺度空間上檢測到的極值點作為初步特征點，采用高斯差分函數(shù)的二階泰勒展開式對初步特征點求精，并根據(jù)沿著高斯差分尺度空間邊緣方向的第一曲率與垂直高斯差分尺度空間邊緣方向的第二曲率之間的比值是否大于臨界閾值來確定是否為邊緣點，如果大于設(shè)定的臨界閾值，則視為邊緣點，剔除該邊緣點；否則，則保留該初步特征點；

S2.13：特征點提取完畢后，為每個特征點指定一個特征點主方向。

4.根據(jù)權(quán)利要求1所述的基于DR機器的雙能量減影方法，其特征在于：所述步驟S3中，取對數(shù)變換之前，對高能量圖像和配準(zhǔn)后的低能量圖像進行處理，如式(4)和式(5)所示：

I’_H＝ln(I_H+1) (4)

I’_L＝ln(I_L+1) (5)

其中，I_H為高能量圖像，I’_H為處理后的高能量圖像，I_L為配準(zhǔn)后的低能量圖像，I’_L為處理后的已配準(zhǔn)的低能量圖像。

5.根據(jù)權(quán)利要求4所述的基于DR機器的雙能量減影方法，其特征在于：所述步驟S3中的減影處理包括在圖像中消除軟組織而保留骨組織減影數(shù)據(jù)，以及消除骨組織而保留軟組織減影數(shù)據(jù)這兩種方式，其中，消除軟組織后得到的骨組織減影數(shù)據(jù)I^’_bone如式(6)所示，歸一化的骨組織減影圖像I_bone如式(7)所示，消除骨組織后得到的軟組織減影數(shù)據(jù)I’_soft如式(8)所示，歸一化的軟組織減影圖像I_soft如式(9)所示：

$I_{bone}^{,}={\exp }^{(I_H^{,}-W_b{I}_L^{,})}---\left(6\right)$

式(6)中，W_b為骨組織減影的消除因子，W_b<1；

$I_{soft}^{,}={\exp }^{(I_H^{,}-W_s{I}_L^{,})}---\left(7\right)$

式(7)中，W_s為軟組織減影的消除因子，W_s<W_b<1；

I_bone＝MaxGray·(I’_bone-Min_b)/(Max_b-Min_b) (8)

式(8)中，MaxGray為圖像的最大灰階值，Max_b為I’_bone中數(shù)據(jù)的最大值，Min_b為I’_bone中數(shù)據(jù)的最小值；

I_soft＝MaxGray·(I’_soft-Min_s)/(Max_s-Min_s) (9)

式(9)中，Max_s為I’_soft中數(shù)據(jù)的最大值，Min_s為’_soft中數(shù)據(jù)的最小值。