基于組合點(diǎn)匹配的全自動(dòng)醫(yī)學(xué)圖像配準(zhǔn)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及圖像處理領(lǐng)域，尤其設(shè)及一種基于組合點(diǎn)匹配的全自動(dòng)醫(yī)學(xué)圖像配準(zhǔn) 方法。
【背景技術(shù)】
[0002] 圖像配準(zhǔn)技術(shù)在臨床醫(yī)療領(lǐng)域有廣泛的應(yīng)用前景。其基本思想是:將特定的某一 幅圖像設(shè)定為參考圖像，將待配準(zhǔn)的一幅或者多幅圖像設(shè)定為浮動(dòng)圖像，建立浮動(dòng)圖像與 參考圖像之間的空間對(duì)應(yīng)關(guān)系和合適的相似度評(píng)價(jià)機(jī)制。根據(jù)浮動(dòng)圖像與參考圖像相似度 的大小不斷調(diào)整浮動(dòng)圖像到參考圖像的空間變換參數(shù)，最終獲得最佳配準(zhǔn)結(jié)果下的變換參 數(shù)，為下一步的圖像融合作準(zhǔn)備。
[0003] 圖像配準(zhǔn)方法主要分為兩種:基于圖像特征的配準(zhǔn)方法和基于圖像灰度值的配準(zhǔn) 方法。其中，基于圖像特征的配準(zhǔn)方法的主要原理如下:提取圖像的典型特征（區(qū)域特征、線 特征、點(diǎn)特征），建立參考圖像特征與浮動(dòng)圖像特征之間的對(duì)應(yīng)關(guān)系，根據(jù)特征之間的相似 度調(diào)整特征集之間的空間變換參數(shù)，獲取最佳配準(zhǔn)結(jié)果。因其速度快，計(jì)算量小的特點(diǎn)，基 于特征的配準(zhǔn)方法在圖像配準(zhǔn)領(lǐng)域發(fā)展的早期時(shí)段，W及精度要求不高的情況下有廣泛的 運(yùn)用。但基于特征的方法抗干擾性不高，配準(zhǔn)結(jié)果對(duì)提取的特征的依賴性很大，特征的質(zhì)量 直接影響到配準(zhǔn)結(jié)果的好壞。為了獲得較好的配準(zhǔn)結(jié)果，往往需要人工干預(yù)選擇特征，無法 實(shí)現(xiàn)全自動(dòng)配準(zhǔn)。同時(shí)，此類方法的配準(zhǔn)精度和成功率都較低。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的旨在改善W上現(xiàn)有技術(shù)中的缺陷，特別針對(duì)基于特征配準(zhǔn)方法抗干 擾性不高，人工干預(yù)多，配準(zhǔn)精度和配準(zhǔn)成功率都較低的情況，提出了一種基于組合點(diǎn)匹配 的全自動(dòng)醫(yī)學(xué)圖像配準(zhǔn)方法。
[0005] 基于組合點(diǎn)匹配的全自動(dòng)醫(yī)學(xué)圖像配準(zhǔn)方法，包括W下步驟：
[0006] 步驟1、提取醫(yī)學(xué)圖像輪廓特征點(diǎn)；
[0007] 步驟2、提取特定區(qū)域的角點(diǎn)特征點(diǎn)；
[000引步驟3、將所述輪廓特征點(diǎn)和所述角點(diǎn)特征點(diǎn)組合獲得參考圖像與浮動(dòng)圖像特征 點(diǎn)集；
[0009] 步驟4、建立基于改進(jìn)豪斯多夫距離的點(diǎn)集相似度評(píng)價(jià)機(jī)制；
[0010] 步驟5、根據(jù)所述評(píng)價(jià)機(jī)制進(jìn)行圖像特征點(diǎn)集全自動(dòng)配準(zhǔn)，直至滿足終止條件；
[00川步驟6、輸出配準(zhǔn)結(jié)果。
[0012] 所述提取醫(yī)學(xué)圖像輪廓特征點(diǎn)的過程為：利用邊緣算子提取圖像的邊緣，選取邊 緣線中閉合的、周長(zhǎng)最大的邊緣線作為圖像的外輪廓，利用等間隔采點(diǎn)法選取外輪廓線上 的特征點(diǎn)。
[0013] 所述提取特定區(qū)域的角點(diǎn)特征點(diǎn)的過程為:選擇在輪廓線W內(nèi)但不處于輪廓線W 內(nèi)的中屯、范圍的區(qū)域，選取區(qū)域的角點(diǎn)作為特征點(diǎn)。
[0014] 所述獲得參考圖像與浮動(dòng)圖像特征點(diǎn)集的過程為：參考圖像外輪廓點(diǎn)集是RK = {kl，k2，k3, . . .，km}，其中的特定區(qū)域特征點(diǎn)集是化={Il，l2，l3, . . .，ln};浮動(dòng)圖像外輪廓點(diǎn) 集是EP= {pi，p2，P3, . . .，Pi}，特定區(qū)域特征點(diǎn)集是FQ= {qi，q2，q3, . . .，qj}，則參考圖像提取 的組合特征點(diǎn)集是rpDints= {RK，RU，浮動(dòng)圖像提取的組合特征點(diǎn)集是fpDints= {FP，F(xiàn)Q}。
[0015] 所述建立基于改進(jìn)豪斯多夫距離的點(diǎn)集相似度評(píng)價(jià)機(jī)制的過程為：點(diǎn)a與點(diǎn)b之間 的距離為高斯距離，記作d(a，b)=Ma-b||，其中M . M代表取模運(yùn)算，從點(diǎn)集A中的一點(diǎn)a 到點(diǎn)集B的距離為d(a，B) =mi化SB M a-b I I，其中S'===毅奴％&》;''"'''、、％》.1，化為點(diǎn)集8中特征點(diǎn)數(shù) 目；從點(diǎn)集A到點(diǎn)集B的距離為
其中t%馬堿^…馬冰化為點(diǎn)集A中 特征點(diǎn)數(shù)目，相應(yīng)的，從點(diǎn)集B到點(diǎn)集A的距離為
其中 …''，取d(A，B)與d(B，A)兩者中的最大值來表征點(diǎn)集A與點(diǎn)集B之間的距離， 記作願(yuàn)0(4,8)=1腳（8,4)=111曰義{(1^，8)，(1(8,4)};點(diǎn)集4與點(diǎn)集8之間的相似度為
SS(A，B)的值越大，說明點(diǎn)集A與點(diǎn)集B的相似度越高。
[0016] 所述根據(jù)所述評(píng)價(jià)機(jī)制進(jìn)行圖像特征點(diǎn)集全自動(dòng)配準(zhǔn)直至滿足終止條件的過程 為:選用群體智能優(yōu)化算法進(jìn)行配準(zhǔn)參數(shù)的尋優(yōu);終止條件為達(dá)到最大迭代次數(shù)或種群多 樣性降低到設(shè)定闊值，其中所述種群多樣性由下式確定，
[0018] 其中，S代表當(dāng)前的種群，k代表種群中個(gè)體的數(shù)目，D代表每個(gè)個(gè)體的維度，《I代表 種群S中第1個(gè)體在第i維上的值，造代表所有個(gè)體在第i維上的平均值，length代表捜索空 間的對(duì)角線長(zhǎng)度。
[0019] 步驟1與步驟2的順序可調(diào)換。
[0020] 本發(fā)明將基于組合特征的點(diǎn)配準(zhǔn)方法應(yīng)用與醫(yī)學(xué)圖像配準(zhǔn)領(lǐng)域的特征配準(zhǔn)，在保 證配準(zhǔn)速度的同時(shí)，實(shí)現(xiàn)了全自動(dòng)配準(zhǔn)，并提高了圖像配準(zhǔn)的成功率和配準(zhǔn)結(jié)果的精度。本 發(fā)明具有配準(zhǔn)速度快、配準(zhǔn)成功率高、配準(zhǔn)精度高、抗干擾能力強(qiáng)、人工干預(yù)少的優(yōu)點(diǎn)，改善 了 W往基于特征配準(zhǔn)方法成功率低、配準(zhǔn)精度低、抗干擾能力弱、人工干預(yù)多的缺點(diǎn)，使得 后續(xù)圖像處理工作成為可能。
【附圖說明】
[0021] 圖1為本發(fā)明實(shí)施例基于組合點(diǎn)匹配的全自動(dòng)醫(yī)學(xué)圖像配準(zhǔn)方法的流程框圖；
[0022] 圖2為提取的MR-Tl腦部圖像的外部輪廓線；
[0023] 圖3為外部輪廓線對(duì)應(yīng)的特征點(diǎn)；
[0024] 圖4為提取的MR-Tl腦部圖像的區(qū)域特征點(diǎn)；
[0025] 圖5-(a)、5-(b)、5-(c)分別對(duì)應(yīng)噪聲級(jí)別為0%的MR-Tl腦部圖像、MR-T2腦部圖 像，MR-ro腦部圖像；
[0026] 圖6為MR-Tl腦部圖像與MR-ro腦部圖像成功配準(zhǔn)的結(jié)果圖；
[0027] 圖7-(a)、7-(b)、7-(c)分別對(duì)應(yīng)噪聲級(jí)別為1%、5%、9%的13-抑腦部圖像。
【具體實(shí)施方式】
[0028] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，W下結(jié)合附圖及實(shí)施例，對(duì) 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用W解釋本發(fā)明，并 不用于限定本發(fā)明。
[0029] 如圖1所示，該方法包括W下步驟：
[0030] 步驟1:提取醫(yī)學(xué)圖像外輪廓，進(jìn)一步提取輪廓特征點(diǎn)；
[0031] 外輪廓屬于圖像邊緣的一部分，首先需要提取圖像的邊緣。此處選用canny邊緣檢 測(cè)算子檢測(cè)參考圖像和浮動(dòng)圖像的邊緣。應(yīng)當(dāng)指出，此處提取邊緣的方法不一定是利用 canny邊緣檢測(cè)算子，其他能夠產(chǎn)生良好邊緣提取結(jié)果的方法都可W用于此處的邊緣檢測(cè)。
[0032] 接著，需要從圖像邊緣中提取出圖像外輪廓。根據(jù)視覺圖像不難得出，圖像的外輪 廓具有兩個(gè)特點(diǎn)：閉合曲線，最大周長(zhǎng)。檢測(cè)最大周長(zhǎng)閉合曲線的過程如下：
[0033] (1)、檢測(cè)出二值邊緣圖像中結(jié)尾點(diǎn)，從某處后曲線不再延續(xù)的點(diǎn)稱為結(jié)尾點(diǎn)。
[0034] (2)、選定二值邊緣圖像中第一個(gè)像素值不為零的一點(diǎn)(rsta;rt，cstad)作為起始 點(diǎn)，W起始點(diǎn)為中屯、，尋找八鄰域范圍內(nèi)與之相連的下一邊緣點(diǎn)。將首先尋找到的邊緣點(diǎn)作 為此邊緣線的第二個(gè)點(diǎn)，W起始點(diǎn)到第二點(diǎn)的方向作為初始捜索方向。
[0035] (3)、沿著初始捜索方向，尋找第二邊緣點(diǎn)八鄰域范圍內(nèi)與之相連的第=邊緣點(diǎn)。 重復(fù)此過程，直至捜索到本邊緣初始捜索方向上的結(jié)尾點(diǎn)或遇到起始點(diǎn)，記發(fā)生此次終止 捜索的點(diǎn)為終止點(diǎn)。
[0036] (4)若終止點(diǎn)與起始點(diǎn)是相連的，那么從起始點(diǎn)到終止點(diǎn)的邊緣線就是閉合的邊 緣線，將捜尋到的閉合邊緣線編號(hào)并記錄閉合邊緣線集合當(dāng)中。若終止點(diǎn)與起始點(diǎn)不相連， 則此邊緣線不是閉合的。
[0037] (5)遍歷二值圖像中所有的像素值不為零的點(diǎn)作為起始點(diǎn)，重復(fù)步驟（2)到步驟 (4)，找出所有邊緣線中的閉合邊緣線，記錄于閉合邊緣線集合中。
[0038] (6)找出閉合邊緣線集合中周長(zhǎng)最大的閉合邊緣線，即是圖像的外部輪廓線。
[0039] 從圖像外部輪廓線上等間隔地選取點(diǎn)作為特征點(diǎn)，間隔的大小視輪廓線周長(zhǎng)而 定，限定外輪廓線特征點(diǎn)的個(gè)數(shù)在50-80之間。圖2和圖3分別是提取MR-Tl腦部圖像的外部 輪廓線和對(duì)應(yīng)的輪廓線特征點(diǎn)。
[0040] 步驟2:提取特定區(qū)域角點(diǎn)作為特征點(diǎn)；
[0041] 首先在外輪廓線W內(nèi)的區(qū)域選取特征點(diǎn)，其次選取的區(qū)域必須不處于外輪廓線W 內(nèi)的中屯、范圍。選取的特征點(diǎn)為本區(qū)域內(nèi)圖像的角點(diǎn)。
[0042] 本實(shí)施例中選取的區(qū)域是外輪廓線W內(nèi)靠近輪廓線的左上角區(qū)域，角點(diǎn)提取方法 采用的是harris角點(diǎn)檢測(cè)法。應(yīng)當(dāng)指出，其他任何可W產(chǎn)生良好角點(diǎn)檢測(cè)效果的方法都可 W用于此處的角點(diǎn)檢測(cè)。圖4是提取MR-Tl腦部圖像的區(qū)域特征點(diǎn)。
[0043] 步驟3:組合兩種特征點(diǎn)分別獲得參考圖像與浮動(dòng)圖像特征點(diǎn)集；
[0044] 設(shè)參考圖像提取的外輪廓點(diǎn)集是服=化I，k2，k3, . . .，km}，提取的區(qū)域特征點(diǎn)集是 RL=Ul，l2，l3, . . .，ln}。設(shè)浮動(dòng)圖像提取的外輪廓點(diǎn)集是FP={pi，P2，P3, . . .，pi}，提取的區(qū) 域特征點(diǎn)集是FQ= {qi，q2，q3, . . .，qj}。則參考圖像提取的組合特征點(diǎn)集是rpoints= {RK， RU，浮動(dòng)圖像提取的組合特征點(diǎn)集是fpDints= {FP，F(xiàn)Q}。
[0045] 步驟4:建立基于改進(jìn)豪斯多夫距離的點(diǎn)集相似度評(píng)價(jià)機(jī)制；
[0046] 定義點(diǎn)a與點(diǎn)b之間的距離高斯距離，記作d(a，b) = I |a-b| I，其中I I ? I I代表取模 運(yùn)算。定義從點(diǎn)a至Ij點(diǎn)集B的距離為d(a，B) =HiinbEB M a-b I I，其中數(shù)二P辦滾》'漠護(hù).…'，省游!。定義 從點(diǎn)集A到點(diǎn)集B的距離為
其中。^ 。:!。定義點(diǎn)集A和點(diǎn)
集B之間的距離為血曲(4,8)=1皿(8,4)=111曰^(1(4,8)，(1(8,4)}。定義點(diǎn)集4與點(diǎn)集8之間的 相似度天 點(diǎn)集A與點(diǎn)集B的相似度越高，SS(A，B)的值越大。 O
[0047] 此處參考圖像特征點(diǎn)集^口〇111*3與浮動(dòng)圖像特征點(diǎn)集f_points的相似度計(jì)算公 式如下：
[0049] 步驟5:根據(jù)評(píng)價(jià)機(jī)制進(jìn)行圖像特征點(diǎn)集全自動(dòng)配準(zhǔn)，直至滿足終止條件，輸出配 準(zhǔn)結(jié)果。
[0050] 本實(shí)施例只討論簡(jiǎn)單的二維