[發明專利]結合凸包匹配和多尺度分級策略的醫學圖像彈性配準方法

有效

• 申請號: 201310245218.9
• 申請日: 2013-06-19
• 公開（公告）號: CN103310458A
• 公開（公告）日: 2013-09-18
• 發明（設計）人: 楊健;王涌天;劉越;朱建軍;范敬凡
• 申請（專利權）人: 北京理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京理工大學專利中心 11120
• 代理人: 高燕燕

1.結合凸包匹配和多尺度分級策略的醫學圖像彈性配準方法，其特征在于，包括以下步驟：

（1）分割出體數據表面結構，通過均勻采樣的方式得到圖像的點云數據，點云數據包括原始點云和目標點云；

（2）對所述的原始點云和目標點云分別計算其三維凸包結構及其凸包表面的有向三角形集合；

（3）對原始點云的任意一個有向三角形，與目標點云中的每一潛在有向三角形進行配對，計算出兩個三角形之間的坐標變換參數，作為剛性配準的候選參數；

（4）以變換后的原始點云與目標點云間相似程度最大為目標，使用優化算法篩選獲得最優剛性變換參數,獲得最優剛性預配準結果;

（5）基于獲得的最優剛性預配準的結果，對源圖像和參考圖像做高斯模糊，設定一個模糊核序列，使得該序列中模糊核尺度連續降低，將此序列作為外部迭代方向；

（6）將源圖像和參考圖像以逐級分塊的方式分別劃分為若干個子塊，并將該兩幅圖像中具有相同空間位置關系的子塊作為對應子塊，劃分子塊數隨迭代層數逐層上升；

（7）計算該兩幅圖像中對應子塊間的剛性變換參數，即通過迭代坐標變換矩陣參數，使得對應子塊間的相似性測度達到最優值；

（8）使用各組對應子塊的剛性變換矩陣對源圖像子塊進行形變，子塊各自的局部形變組成的全局形變對于整幅圖像表現為彈性形變；

（9）計算形變之后的整幅圖像與參考圖像間的相似性測度，以互信息量作為相似性測度；

（10）若此次迭代相似性測度大于上次迭代結果，則重復步驟（7）-（9），直至相似性測度不再增加；

（11）降低高斯模糊核的尺度，重復步驟（5）-（10），直至模糊核尺度降到最低，最終得到各個子塊的剛性變換矩陣，從每個子塊選取控制點，用薄板樣條函數表示圖像的全局變換。

2.如權利要求1所述的結合凸包匹配和多尺度分級策略的醫學圖像彈性配準方法，其特征在于，步驟（1）中采用等值面提取算法分割體數據表面結構。

3.如權利要求1所述的結合凸包匹配和多尺度分級策略的醫學圖像彈性配準方法，其特征在于，采用下述方法進行剛性預配準：

1）對于原始點云P_X和目標點云P_Y，計算其三維凸包結構及其有向三角形集合F(P_X)和F(P_Y)；

2）對原始點云的任意一個有向三角形F(P_X)_i，與目標點云的有向三角形F(P_Y)_j進行配對，估計出兩個三角形之間的坐標變換參數其中R為旋轉矩陣、為平移向量、s為尺度縮放因子；

3）使F(P_X)_i經過變換后與F(P_Y)_j之間的相似度最大，即對應點云之間的歐氏距離最小，目標函數概括為：

Ti,j*=argmind(T·F(PX)i,F(PY)j)]]>

其中表示F(P_X)_i與F(P_Y)_j配對后對應的最優變換參數，將作用于原始點云，得到變換后的點云與目標點云間的歐氏距離；

4）任意三角形F(P_X)_i與目標三角形集合之間存在最優一致關系，使得對應點云間的歐氏距離在所有配對中最小；此時F(P_X)_i與其最優配對間的變換矩陣即為F(P_Y)_j對應的最優變換對每一個三角形F(P_Y)_j與F(P_Y)進行配對，在每組配對結果中取最優的一致性關系，最終獲得變換矩陣如下:

T(R,t→,s)*=argmaxI(T(R,t→,s)·PX,PY)]]>

。