基于稀疏表示的快速精確非線性配準(zhǔn)立體醫(yī)學(xué)影像的方法
【專利摘要】本發(fā)明屬醫(yī)學(xué)圖像分析及應(yīng)用領(lǐng)域，涉及配準(zhǔn)立體目標(biāo)圖像到模板圖像的方法，具體涉及基于稀疏表示的快速精確非線性配準(zhǔn)立體醫(yī)學(xué)影像的方法，本方法使用模板圖像和目標(biāo)圖像檢測(cè)的標(biāo)記對(duì)應(yīng)點(diǎn)，通過(guò)查找建立的變形場(chǎng)字典和對(duì)應(yīng)點(diǎn)字典，得到稀疏組合系數(shù)，該系數(shù)能融合變形場(chǎng)字典的相應(yīng)實(shí)例，獲得目標(biāo)圖像的最終變形場(chǎng)，將目標(biāo)圖像配準(zhǔn)到模板圖像上。該方法在臨床環(huán)境具有較好的應(yīng)用，可用于神經(jīng)科學(xué)中快速精確地配準(zhǔn)大腦核磁共振圖像，或者用于放射性治療前列腺癌中精確定位前列腺的位置，且能以更快地速度實(shí)現(xiàn)更準(zhǔn)確的配準(zhǔn)。
【專利說(shuō)明】基于稀疏表示的快速精確非線性配準(zhǔn)立體醫(yī)學(xué)影像的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬醫(yī)學(xué)圖像分析及應(yīng)用領(lǐng)域，涉及配準(zhǔn)立體目標(biāo)圖像到模板圖像的方法，具體涉及基于稀疏表示的快速精確非線性配準(zhǔn)立體醫(yī)學(xué)影像的方法，該方法在臨床環(huán)境具有較好的應(yīng)用，可用于神經(jīng)科學(xué)中快速精確地配準(zhǔn)大腦核磁共振圖像，或者用于放射性治療前列腺癌中精確定位前列腺的位置。
【背景技術(shù)】
[0002]現(xiàn)有技術(shù)公開(kāi)了通過(guò)少量的稀疏對(duì)應(yīng)點(diǎn)插值產(chǎn)生整幅圖像的濃密變形場(chǎng)是醫(yī)學(xué)圖像配準(zhǔn)領(lǐng)域常見(jiàn)的問(wèn)題。例如，在基于特征的圖像配準(zhǔn)中，一組標(biāo)記點(diǎn)通常首先被魯棒的特征匹配方法自動(dòng)確定，以便識(shí)別解剖對(duì)應(yīng)性；然后從這些標(biāo)記對(duì)應(yīng)點(diǎn)上就可以插值產(chǎn)生整幅圖像的濃密變形場(chǎng)，以便映射目標(biāo)圖像上的每一個(gè)點(diǎn)到模板圖像。類似地，在圖像引導(dǎo)的放射治療前列腺癌的治療過(guò)程中，在前列腺邊界的解剖對(duì)應(yīng)點(diǎn)往往能夠由醫(yī)生手工確定、或者由基于對(duì)應(yīng)點(diǎn)的可變形分割方法自動(dòng)確定；然后，前列腺區(qū)域內(nèi)的每一非標(biāo)記點(diǎn)的濃密變形就可以通過(guò)這些邊界標(biāo)記點(diǎn)插值產(chǎn)生，從而就可以將定義在計(jì)劃圖像上的劑量計(jì)劃變換到每一個(gè)治療圖像上。
[0003]為了從稀疏的對(duì)應(yīng)點(diǎn)插值產(chǎn)生濃密的變形場(chǎng)，現(xiàn)有技術(shù)文獻(xiàn)中建議了很多方法，通常均為使用預(yù)定義的模型如B樣條或者薄板樣條模型(Thin-plate spline, TPS)對(duì)變形場(chǎng)進(jìn)行參數(shù)化表示。其中TPS模型是計(jì)算機(jī)視覺(jué)和醫(yī)學(xué)圖像領(lǐng)域最流行的變形插值方法，因?yàn)樗軐?duì)插值的變形場(chǎng)提供具有最小彎曲能量的解。TPS方法在使用大量的標(biāo)記點(diǎn)時(shí)，可以實(shí)現(xiàn)精確的插值，然而其計(jì)算代價(jià)也將顯著地增加。在另一方面，解剖結(jié)構(gòu)上的實(shí)際變形不可能完全符合TPS預(yù)定義模型,這樣可能影響最終的插值精度。
[0004]與本發(fā)明相關(guān)的現(xiàn)有技術(shù)有:
[0005]1.Hajnal，J.V.，Hill，D.L.G.，and Hawkes , D.J.:Medi cal ImageRegistration(Biomedical Engineering Series).CRC Press.(2001)
[0006]2.Shen，D.，and Davatzikos, C.:HAMMER !Hierarchical attributematchingmechanism for elastic registration.1EEE Transactions on MedicalImaging，21 (11):p.1421-1439.(2002)
[0007]3.Shi, Y.，Liao, S.，Shen, D.:Learning Statistical Correlation forFastProstate Registration in Image-guided Radiotherapy.Medical Physics,38:p.5980-5991.(2011)
[0008]4.Fen, Q.，F(xiàn)oskey, M.，Chen, W.，Shen, D.!Segmenting CT ProstateImages UsingPopulati on and Patient-specific Statistics for Radiotherapy.MedicalPhysics.37:p.4121-4132.(2010)
[0009]5.Rueckert, D.，Sonoda，L 1.，Hayes, C.，Hill，D.L.G.，Leach, M.0.，Hawkes,D.J.:Nonrigid Registration Using Free-Form Deformations !Application toBreastMR Images.1EEE Transactions on Medical Imaging.18(8):p.712-721.(1999)[0010]6.Wu, G.，Yap，P.T.，Kim, M.，Shen, D.:TPS-HAMMER !ImprovingHAMMERRegistration Algorithm by Soft Correspondence Matching andThin-pIateSplines Based Deformation Interpolation.Neuroimage.49:p.2225-2233.(2010)
[0011]7.Bookstein, F.L.:Principal Warps:Thin_Plate Splines and theDecompositionof Deformations.1EEE Transactions on Pattern Analysis andMachinelntelligence.11(6):p.567-585.(1989)

【發(fā)明內(nèi)容】

[0012]本發(fā)明的目的是為克服現(xiàn)有技術(shù)的不足，提供一種新穎的基于學(xué)習(xí)的方法以便精確地從模板圖像標(biāo)記點(diǎn)所估計(jì)的目標(biāo)圖像對(duì)應(yīng)點(diǎn)重建變形場(chǎng)，具體涉及一種基于稀疏表示的快速精確非線性配準(zhǔn)立體醫(yī)學(xué)影像的方法，本發(fā)明可用于神經(jīng)科學(xué)中快速精確地配準(zhǔn)大腦核磁共振圖像，或者用于放射性治療前列腺癌中精確定位前列腺的位置。
[0013]現(xiàn)有技術(shù)中，通常使用某種預(yù)定義的變形模型，如B-樣條模型或者薄板樣條模型，來(lái)進(jìn)行濃密變形場(chǎng)插值。這可能影響最后配準(zhǔn)的精度，既然實(shí)際的變形場(chǎng)不可能完全符合預(yù)定義的變形模型。本發(fā)明提供了一種新穎的基于學(xué)習(xí)的方法來(lái)表示需要被估計(jì)的變形場(chǎng)，該方法能夠以線性組合的方式從預(yù)先建立的變形場(chǎng)字典中估計(jì)出目標(biāo)圖像的變形場(chǎng)，從而將目標(biāo)圖像準(zhǔn)確地配準(zhǔn)到模板圖像上。這里，對(duì)應(yīng)點(diǎn)線性組合系數(shù)是從預(yù)定義的訓(xùn)練樣本集的標(biāo)記對(duì)應(yīng)點(diǎn)計(jì)算獲得的，而變形場(chǎng)字典和對(duì)應(yīng)點(diǎn)字典都是由這一組訓(xùn)練圖像得到，并且在這兩個(gè)字典中，訓(xùn)練圖像的排列順序是相同的。
[0014]本發(fā)明的目的通過(guò)下述技術(shù)方案實(shí)現(xiàn): [0015]通過(guò)查找變形場(chǎng)字典中的相似變形實(shí)例的稀疏組合估計(jì)目標(biāo)圖像的變形場(chǎng)，其中變形場(chǎng)字典是從訓(xùn)練圖像中預(yù)先學(xué)習(xí)產(chǎn)生的；本方法的關(guān)鍵是建立一對(duì)字典:其一是存放濃密變形場(chǎng)的高維字典(稱之為變形場(chǎng)字典)，其二是存放標(biāo)記對(duì)應(yīng)點(diǎn)的低維字典(稱之為對(duì)應(yīng)點(diǎn)字典)；因此，當(dāng)一個(gè)新的目標(biāo)圖像要配準(zhǔn)到模板圖像時(shí)，它的變形場(chǎng)可以通過(guò)融合變形場(chǎng)字典中的變形實(shí)例而有效快速得到，而組合系數(shù)則是目標(biāo)圖像標(biāo)記對(duì)應(yīng)點(diǎn)在對(duì)應(yīng)點(diǎn)字典中查找得到的稀疏組合系數(shù)。
[0016]具體地說(shuō)，本發(fā)明方法包括訓(xùn)練階段和應(yīng)用階段，在訓(xùn)練階段，每一個(gè)訓(xùn)練圖像被仔細(xì)地對(duì)準(zhǔn)到模板圖像以便得到濃密變形場(chǎng)從而構(gòu)建變形場(chǎng)字典，同時(shí)，模板標(biāo)記點(diǎn)的在各個(gè)訓(xùn)練圖像所得的對(duì)應(yīng)點(diǎn)用來(lái)構(gòu)建對(duì)應(yīng)點(diǎn)字典；值得注意的是，對(duì)每一個(gè)訓(xùn)練圖像，在變形場(chǎng)字典中有一個(gè)變形場(chǎng)實(shí)例，同時(shí)在對(duì)應(yīng)點(diǎn)字典中也有一個(gè)對(duì)應(yīng)點(diǎn)實(shí)例(模板標(biāo)記點(diǎn)在目標(biāo)圖像上的對(duì)應(yīng)點(diǎn))，這些對(duì)應(yīng)的實(shí)例在各自的字典中都是以同樣的順序排列；在應(yīng)用階段，兩個(gè)專門的步驟用來(lái)得到已估計(jì)出標(biāo)記對(duì)應(yīng)點(diǎn)的目標(biāo)圖像的濃密變形場(chǎng)，第一，首先從對(duì)應(yīng)點(diǎn)字典中查找目標(biāo)圖像對(duì)應(yīng)標(biāo)記點(diǎn)的稀疏表示系數(shù)；其次，通過(guò)使用所得到的稀疏系數(shù)來(lái)有效地融合變形場(chǎng)字典中的變形實(shí)例來(lái)估計(jì)目標(biāo)圖像的變形場(chǎng)。
[0017]更具體的，本發(fā)明的基于稀疏表示的快速精確非線性配準(zhǔn)立體醫(yī)學(xué)影像的方法，使用模板圖像和目標(biāo)圖像已經(jīng)檢測(cè)出的少量的標(biāo)記對(duì)應(yīng)點(diǎn)，通過(guò)查找事先建立起的變形場(chǎng)字典和對(duì)應(yīng)點(diǎn)字典，從而得到稀疏組合系數(shù)，該系數(shù)能夠融合變形場(chǎng)字典的相應(yīng)實(shí)例，而得到目標(biāo)圖像的最終變形場(chǎng)，從而將目標(biāo)圖像配準(zhǔn)到模板圖像上，其包括具體步驟:[0018]a)使用一組訓(xùn)練圖像產(chǎn)生變形場(chǎng)字典和對(duì)應(yīng)點(diǎn)字典；
[0019]b)給定目標(biāo)圖像的對(duì)應(yīng)點(diǎn)，從對(duì)應(yīng)點(diǎn)字典中得到稀疏組合系數(shù)；
[0020]c)使用所得的稀疏組合系數(shù)，通過(guò)融合變形場(chǎng)字典中的相應(yīng)變形實(shí)例，得到目標(biāo)
[0021]圖像的最終的變形場(chǎng)，該變形場(chǎng)將目標(biāo)圖像映射到模板圖像的空間。
[0022]本發(fā)明的步驟a)中，給定模板圖像和一組訓(xùn)練圖像集，模板圖像通常已經(jīng)使用手工標(biāo)記或者自動(dòng)的標(biāo)記點(diǎn)檢測(cè)器產(chǎn)生了其上的P個(gè)標(biāo)記點(diǎn)，而每一個(gè)訓(xùn)練圖像也使用類似的方法分別產(chǎn)生了其上的P個(gè)模板標(biāo)記點(diǎn)的對(duì)應(yīng)點(diǎn)，這些標(biāo)記對(duì)應(yīng)點(diǎn)可以插值產(chǎn)生相應(yīng)訓(xùn)練圖像的變形場(chǎng)，因此，訓(xùn)練集上的這組標(biāo)記對(duì)應(yīng)點(diǎn)以及所得的相應(yīng)的變形場(chǎng)就可以分別依次存放，從而產(chǎn)生這組訓(xùn)練集的對(duì)應(yīng)點(diǎn)字典和變形場(chǎng)字典。
[0023]本發(fā)明的步驟b)中，當(dāng)已知任一目標(biāo)圖像的P個(gè)模板標(biāo)記對(duì)應(yīng)點(diǎn)時(shí)，就可以使用公式(I)查找步驟a)所得的對(duì)應(yīng)點(diǎn)字典，得到能夠最優(yōu)組合產(chǎn)生這組對(duì)應(yīng)點(diǎn)的對(duì)應(yīng)點(diǎn)實(shí)例，以及最優(yōu)稀疏組合系數(shù)。
[0024]本發(fā)明的步驟c)中，使用步驟b)所得的稀疏組合系數(shù)，通過(guò)融合步驟a)所得的變形場(chǎng)字典中的相應(yīng)變形實(shí)例，就可以得到目標(biāo)圖像的最終的變形場(chǎng)，這個(gè)變形場(chǎng)將把目標(biāo)圖像映射到模板圖像的空間。
[0025]為了顯示本發(fā)明的新穎的基于學(xué)習(xí)的變形插值方法的優(yōu)勢(shì)，本發(fā)明的實(shí)施例中，分別將它應(yīng)用到前列腺CT圖像和大腦MR圖像的可變形配準(zhǔn)中。具體地說(shuō)，在放射性治療前列腺癌的過(guò)程中，需要可變形配準(zhǔn)前列腺CT圖像，那么這對(duì)字典即變形場(chǎng)字典和對(duì)應(yīng)點(diǎn)字典不僅包括來(lái)自不同病人的實(shí)例，而且也包括正在接受治療的當(dāng)前病人的以前時(shí)刻治療圖像實(shí)例，那么，在使用基于統(tǒng)計(jì)的可變形表面模型確定了沿著前列腺邊界的標(biāo)已對(duì)應(yīng)點(diǎn)后，所有圖像點(diǎn)的濃密變形場(chǎng)就能立即從這兩個(gè)成對(duì)字典的稀疏編碼中插值產(chǎn)生；另一個(gè)更重要的應(yīng)用是，本發(fā)明成功地集成所述的變形插值方法到基于特征的配準(zhǔn)方法中，從而加速了大腦MR圖像的可變形配準(zhǔn)，縮短了運(yùn)行時(shí)間。
[0026]本發(fā)明通過(guò)使用在配準(zhǔn)任意階段臨時(shí)估計(jì)得到的對(duì)應(yīng)點(diǎn)查找相應(yīng)階段的對(duì)應(yīng)點(diǎn)字典，從模板圖像到目標(biāo)圖像的最終變形場(chǎng)能夠立即從變形字典中重建產(chǎn)生，與廣泛使用的插值方法TPS相比，本發(fā)明的方法在上述應(yīng)用中不僅提高了插值精度，而且加速了配準(zhǔn)過(guò)程，因此實(shí)現(xiàn)了更好的性能。
[0027]本發(fā)明方法的優(yōu)點(diǎn)有:
[0028](一)使用機(jī)器學(xué)習(xí)的方法解決了醫(yī)學(xué)圖像配準(zhǔn)中最常見(jiàn)的問(wèn)題“通過(guò)圖像間少量的對(duì)應(yīng)點(diǎn)插值產(chǎn)生圖像的濃密變形場(chǎng)可能存在的配準(zhǔn)不精確問(wèn)題”，這是因?yàn)橐酝姆椒ㄍǔＪ褂眉僭O(shè)的預(yù)定義模型，而本發(fā)明的方法是通過(guò)學(xué)習(xí)圖像數(shù)據(jù)，直接得到可能變形的先驗(yàn)知識(shí)。
[0029]( 二)本方法中通過(guò)線性組合得到最終的變形場(chǎng)，其運(yùn)算時(shí)間明顯小于薄板樣條的矩陣求逆運(yùn)算，提高了配準(zhǔn)速度。
[0030](三)本方法可以直接用于臨床放射治療前列腺癌或神經(jīng)科學(xué)中大腦圖像的配準(zhǔn)等應(yīng)用中，能夠提高治療的精準(zhǔn)度。
【專利附圖】

【附圖說(shuō)明】
[0031]圖1是本發(fā)明方法以可變形配準(zhǔn)大腦MR圖像的實(shí)現(xiàn)過(guò)程的示意圖。[0032]圖2是本發(fā)明方法以可變形配準(zhǔn)縱向前列腺CT圖像的實(shí)現(xiàn)過(guò)程的示意圖。
【具體實(shí)施方式】
[0033]實(shí)施例1
[0034]基于可變形配準(zhǔn)的目標(biāo)就是將目標(biāo)圖像S配準(zhǔn)到模板圖像T上。在許多應(yīng)用中，通常首先使用手工標(biāo)記或者自動(dòng)的標(biāo)記點(diǎn)檢測(cè)器決定模板圖像上的少量的P個(gè)標(biāo)記點(diǎn)或者關(guān)鍵點(diǎn)，這P個(gè)模板標(biāo)記點(diǎn)的坐標(biāo)可以存放在一個(gè)長(zhǎng)矢量X中，其后，為了將目標(biāo)圖像配準(zhǔn)到模板圖像，需要根據(jù)從模板圖像的標(biāo)記點(diǎn)(存放在矢量X)所估計(jì)得到的目標(biāo)圖像的對(duì)應(yīng)點(diǎn)(存放在矢量^(S))估計(jì)它的變形場(chǎng)yD (S)，這里，本發(fā)明所定義的對(duì)應(yīng)點(diǎn)和變形場(chǎng)均存放在矢量中，本發(fā)明提出基于機(jī)器學(xué)習(xí)的方法以從離散的對(duì)應(yīng)點(diǎn)矢量來(lái)估計(jì)濃密變形場(chǎng)，也就是借助于稀疏表示有效地插值變形場(chǎng)。
[0035]給定模板圖像T以及許多訓(xùn)練圖像I = U1Jm= 1，...，M}，這些訓(xùn)練圖像將配準(zhǔn)到模板圖像T上，因此得到變形場(chǎng)實(shí)例{yD (Iffl) |m= 1，...肩]，其中每一個(gè)變形場(chǎng)實(shí)例九(1?1)是從模板指向訓(xùn)練圖像Im的變形場(chǎng)，同時(shí)，也得到了模板圖像標(biāo)記點(diǎn)的對(duì)應(yīng)點(diǎn)矢量K(Im);值得注意的是，對(duì)應(yīng)點(diǎn)實(shí)例的定義根據(jù)不同的應(yīng)用具有不同的定義，本實(shí)施例中，所采用的方法包括3個(gè)步驟:首先，建立變形場(chǎng)字典和對(duì)應(yīng)點(diǎn)字典；其次，在得到目標(biāo)圖像的對(duì)應(yīng)點(diǎn)矢量時(shí)，求該矢量在對(duì)應(yīng)點(diǎn)字典中的稀疏表示系數(shù)；最后，這個(gè)稀疏系數(shù)將用于最終融合變形場(chǎng)字典中的變形實(shí)例，從而得到最終的目標(biāo)圖像的變形場(chǎng)。
[0036]首先，律立字典:
[0037]同時(shí)建立變形字典Ad = [yD(Im)] (m = 1，…，Μ)和對(duì)應(yīng)點(diǎn)字典kL = [yL(Im)] (m=1，...，M)。在將每一個(gè)訓(xùn)練圖像可變形配準(zhǔn)到模板圖像的過(guò)程中，采用自動(dòng)或手動(dòng)檢測(cè)出模板圖像標(biāo)記點(diǎn)在每一個(gè)訓(xùn)練圖像的對(duì)應(yīng)點(diǎn)，并得到最終的變形場(chǎng)，后者將訓(xùn)練圖像映射到模板圖像的空間上，由此，所產(chǎn)生的對(duì)應(yīng)點(diǎn)和變形場(chǎng)分別依次以相同的索引順序存放在Ad和\中，依據(jù)每一個(gè)對(duì)應(yīng)點(diǎn)矢量的長(zhǎng)度通常遠(yuǎn)遠(yuǎn)小于變形場(chǎng)矢量的長(zhǎng)度，因此，能從具有充分多實(shí)例的對(duì)應(yīng)點(diǎn)字典中找到目標(biāo)圖像對(duì)應(yīng)點(diǎn)實(shí)例的最優(yōu)表示，從而逼近目標(biāo)圖像的對(duì)應(yīng)點(diǎn)矢量。
[0038]其次，對(duì)應(yīng)點(diǎn)矢暈的稀疏表示:
[0039]當(dāng)已知目標(biāo)圖像的對(duì)應(yīng)點(diǎn)矢量K(S)后，將從對(duì)應(yīng)點(diǎn)字典\中查找它在字典中由對(duì)應(yīng)點(diǎn)實(shí)例所構(gòu)成的近似組合，由此可求得相應(yīng)的線性組合加權(quán)系數(shù)w = [W1, W2,,Wm]'，其中每一個(gè)Wm表示相應(yīng)的對(duì)應(yīng)點(diǎn)實(shí)例在表示目標(biāo)圖像的對(duì)應(yīng)點(diǎn)矢量(S)的貢獻(xiàn)；由I1-, I2-范式在人臉識(shí)別和多任務(wù)學(xué)習(xí)中的判別能力的觸發(fā)，本實(shí)施例進(jìn)一步應(yīng)用I1-,I2-范式在稀疏矢量w上以要求選擇\中僅有一小部分最具代表性的實(shí)例A(Im)去表示K(S)，其表示方式定義如下，
[0040]w =+ +pllwlj + Xllwf1,(1)
[0041]其中，系數(shù)P是I2-范式的正則化參數(shù)，而λ是I1-范式的正則化參數(shù)，它們都是定義在區(qū)間[0，1]的比例數(shù)值，并且它們?cè)诓煌膽?yīng)用中分別由經(jīng)驗(yàn)確定，這里的加權(quán)矢量W被稱之為稀疏系數(shù)。
[0042]最后，使用稀疏系數(shù)預(yù)測(cè)濃密變形場(chǎng):
[0043]借助低維對(duì)應(yīng)點(diǎn)實(shí)例和高維變形場(chǎng)實(shí)例的強(qiáng)相關(guān)性，該相關(guān)性體現(xiàn)在高度相關(guān)的字典對(duì)\和Ad中，。因此，由低維對(duì)應(yīng)點(diǎn)所估計(jì)出的稀疏系數(shù)可以直接應(yīng)用到高維系數(shù)進(jìn)行求解，也就是，從公式(1)計(jì)算得到的稀疏系數(shù)《，能夠直接使用它來(lái)融合高維字典Ad中的變形實(shí)例，從而有效地預(yù)測(cè)目標(biāo)圖像S的濃密變形場(chǎng)yD(S)，其公式計(jì)算如下:
[0044]yD(S) = Ad.w,(2)[0045]為了進(jìn)一步說(shuō)明本發(fā)明的方法，結(jié)合附圖1所示，以可變形配準(zhǔn)大腦MR圖像為例，其中首先將腦圖象分割成邊界重疊的若干塊，然后在每一塊上建立過(guò)完備的字典，最后目標(biāo)函數(shù)(I)由基于歐氏投影的SLEP軟件包實(shí)現(xiàn)；類似地，附件圖2顯示了本發(fā)明的方法在可變形配準(zhǔn)縱向前列腺CT數(shù)據(jù)的實(shí)現(xiàn)過(guò)程。
【權(quán)利要求】
1.基于稀疏表示的快速精確非線性配準(zhǔn)立體醫(yī)學(xué)影像的方法，其特征在于，使用模板圖像和目標(biāo)圖像檢測(cè)的標(biāo)記對(duì)應(yīng)點(diǎn)，通過(guò)查找建立的變形場(chǎng)字典和對(duì)應(yīng)點(diǎn)字典，得到稀疏組合系數(shù)，該系數(shù)能融合變形場(chǎng)字典的相應(yīng)實(shí)例，獲得目標(biāo)圖像的最終變形場(chǎng)，將目標(biāo)圖像配準(zhǔn)到模板圖像上。
2.按權(quán)利要求1所述的方法，其特征在于，所述方法包括如下步驟: a)使用一組訓(xùn)練圖像產(chǎn)生變形場(chǎng)字典和對(duì)應(yīng)點(diǎn)字典； b)給定目標(biāo)圖像的對(duì)應(yīng)點(diǎn)，從對(duì)應(yīng)點(diǎn)字典中得到稀疏組合系數(shù)； c)使用所得的稀疏組合系數(shù)，通過(guò)融合變形場(chǎng)字典中的相應(yīng)變形實(shí)例，得到目標(biāo)圖像的最終的變形場(chǎng)，該變形場(chǎng)將目標(biāo)圖像映射到模板圖像的空間。
3.按權(quán)利要求書2所述的方法，其特征在于，所述步驟a)中:給定模板圖像和一組訓(xùn)練圖像集，所述模板圖像使用手工標(biāo)記或者自動(dòng)的標(biāo)記點(diǎn)檢測(cè)器產(chǎn)生其上的P個(gè)標(biāo)記點(diǎn)，每一個(gè)訓(xùn)練圖像使用類似的方法分別產(chǎn)生其上的P個(gè)模板標(biāo)記點(diǎn)的對(duì)應(yīng)點(diǎn)，通過(guò)所述的標(biāo)記對(duì)應(yīng)點(diǎn)插值產(chǎn)生相應(yīng)訓(xùn)練圖像的變形場(chǎng)，訓(xùn)練集上的這組標(biāo)記對(duì)應(yīng)點(diǎn)以及所得的相應(yīng)的變形場(chǎng)可以分別依次存放，產(chǎn)生這組訓(xùn)練集的對(duì)應(yīng)點(diǎn)字典和變形場(chǎng)字典。
4.按權(quán)利要求書2所述的方法，其特征在于，所述步驟b)中:當(dāng)已知任一目標(biāo)圖像的P個(gè)模板標(biāo)記對(duì)應(yīng)點(diǎn)時(shí)，則使用公式(I)查找步驟a)所得的對(duì)應(yīng)點(diǎn)字典，得能夠最優(yōu)組合產(chǎn)生這組對(duì)應(yīng)點(diǎn)的對(duì)應(yīng)點(diǎn)實(shí)例，以及最優(yōu)稀疏組合系數(shù)；

5.按權(quán)利要求書2所述的方法，其特征在于，所述步驟c)中:使用步驟b)所得的稀疏組合系數(shù)，通過(guò)融合步驟a)所得的變形場(chǎng)字典中的相應(yīng)變形實(shí)例，得到目標(biāo)圖像的最終的變形場(chǎng)，該變形場(chǎng)將目標(biāo)圖像映射到模板圖像的空間。
【文檔編號(hào)】G06T7/00GK103914823SQ201210595023
【公開(kāi)日】2014年7月9日 申請(qǐng)日期:2012年12月31日 優(yōu)先權(quán)日:2012年12月31日
【發(fā)明者】史勇紅, 宋志堅(jiān), 吳國(guó)榮, 沈定剛 申請(qǐng)人:復(fù)旦大學(xué)