[發明專利]三維圖像配準方法及系統

無效

• 申請號: 201210073498.5
• 申請日: 2012-03-20
• 公開（公告）號: CN102663738A
• 公開（公告）日: 2012-09-12
• 發明（設計）人: 鄭健;蒯多杰;劉兆邦;董月芳
• 申請（專利權）人: 蘇州生物醫學工程技術研究所
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T19/20
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 曹毅

技術領域

本發明涉及圖像處理技術領域，特別涉及一種基于子圖像匹配的三維圖像自動配準技術。

背景技術

圖像配準是指尋求待配準的兩幅圖像間的空間一對一映射關系，進而可以將不同時期獲取的同一物體圖像、同一物體的不同部分的圖像或同一物體不同模態的圖像進行對比分析以及融合顯示等，在計算機視覺以及圖像分析等領域得到了廣泛的應用，其中，三維圖像的配準因其處理的數據量更大而成為一個難度更大，挑戰性更高的問題。因此，研究三維圖像的自動配準方法是十分必要和重要的。例如，在臨床診斷時，CT圖像可以顯示骨骼結構和組織密度分布情況；MR圖像和超聲圖像顯示的是軟組織的信息；PET圖像能反映人體的功能和代謝信息，單一模態的圖像往往不能為醫生提供足夠的信息，故此要將不同模態的圖像融合在一起，得到更豐富的信息以便連接病變組織或器官的綜合情況。

目前已有多種圖像（尤其是三維圖像）的配準方法，主要有基于特征點的配準、基于圖像灰度值的配準以及基于互信息的配準等。但上述方法各有其不足之處：

（1）基于特征點的配準需要遍歷三維圖像的每一個點進行特征點篩選并提取候選特征點，然后對候選特征點計算特征向量，通過特征向量的匹配實現兩幅圖像的配準，其主要問題在于特征點難以準確提取，尤其是對一些質量比較差或者圖像灰度值差異比較大的三維圖像。

（2）基于圖像灰度值的配準要求兩幅圖像的灰度值要一致，對受光照等環境影響及成像模式不同等導致的灰度值差異比較大的圖像配準成功率不高。

（3）基于互信息的配準則運行時間比較長，而且可能會陷入局部極值，無法得到精確配準結果。

因為上述圖像配準技術的不足之處，現有技術中對于圖像配準，尤其是三維圖像配準，還是采用手動配準或交互式的半自動配準，這類方法的成功率和精度都比較高，但是它加大了操作者的負擔，配準的速度比較慢，效率很低。

有鑒于此，現有技術尚有待改進和發展。

發明內容

本發明的目的在于克服現有技術存在的以上問題，提供一種三維圖像配準方法及系統，以解決現有技術中的三維圖像配準方法中存在的缺陷。

為實現上述技術目的，達到上述技術效果，本發明通過以下技術方案實現：

一種三維圖像配準方法，用于實現參考圖像和浮動圖像的配準，所述方法包括以下步驟：

A100、分別加載參考圖像和浮動圖像；

A200、將所述參考圖像和浮動圖像劃分為一定數量的子圖像，并提取相應的顯著性子圖像；

A300、對提取出的顯著性子圖像，計算其特征向量，并根據特征向量的相似性進行局部配準；

A400、以局部配準后的顯著性子圖像中心作為控制點，進行基于全局變換模型的圖像配準。

進一步的，所述步驟A200中，將參考圖像和浮動圖像劃分為一定數量的子圖像中，所述子圖像是長方體子圖像。

進一步的，所述長方體子圖像的大小為8像素×8像素×8像素。

進一步的，所述步驟A200中，提取出相應的顯著性子圖像是指對每一個子圖像計算描述其顯著性的函數的數值，對于顯著性函數的數值滿足鄰域極大值條件的子圖像，選取其內接球體部分圖像作為顯著性子圖像。

進一步的，所述顯著性的函數為：

；

其中，是子圖像空間，是子圖像中像素點的梯度，是子圖像中像素點的Hessian矩陣，是子圖像的Hessian矩陣特征值方向分布。

進一步的，所述步驟A300中的特征向量由兩個分量和組成；所述是顯著性子圖像的Hessian矩陣特征值方向分布向量，所述是描述顯著性子圖像的幾何結構特征的三維向量；且滿足：；其中，是梯度幅值加權的顯著性子圖像空間的協方差矩陣，、、是的三個特征值，且具有如下關系：。

進一步的，所述步驟A300中根據特征向量的相似性進行局部配準包括：定義一個衡量特征向量間相似性的評價函數，對參考圖像和浮動圖像中的所有顯著性子圖像匹配關系計算評價函數，選擇滿足雙向匹配一致性的顯著性子圖像作為匹配上的顯著性子圖像，然后對匹配上的顯著性子圖像進行局部配準。

進一步的，所述衡量特征向量間相似性的評價函數由兩個分量和組成，且滿足：；

其中，是采用KL散度來衡量兩個顯著性子圖像和的Hessian矩陣特征值方向分布相似性，采用歐式空間距離來衡量兩個顯著性子圖像和的幾何結構特征向量相似性。