[發明專利]基于K均值聚類法的腦磁共振圖像配準方法

無效

• 申請號: 201410113556.1
• 申請日: 2014-03-25
• 公開（公告）號: CN103839272A
• 公開（公告）日: 2014-06-04
• 發明（設計）人: 李勇明;閆瑾;梅林;謝文賓;呂洋;何璇
• 申請（專利權）人: 重慶大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 重慶為信知識產權代理事務所(普通合伙) 50216
• 代理人: 余錦曦

技術領域

本發明涉及到醫學圖像處理技術領域，具體地說，是一種基于K均值聚類法的腦磁共振圖像配準方法。

背景技術

腦MRI圖像分析是當前病理分析的重要手段，而其中的圖像配準是實現圖像處理中的重要環節。經分析發現現有研究存在問題,如互信息法、歸一化互信息法以及粒子群優化算法等目前已有的針對腦磁共振圖像的配準算法對角點強度、角點數目及角點分布等因素的考慮有所欠缺，導致配準結果的精度不高，且配準花費的時間較長。

另外，角特征點（簡稱角點）檢測算法具有運算量小、實時性和有效性高等優點，已被廣泛用于多類圖像配準中。目前已得到應用的角點檢測算子有Moravec算子^[1]、Harris算子^[2]和SUSAN算子^[3]等。Moravec算子對邊緣響應和噪聲比較敏感，影響角點提取的準確率；Harris算子對噪聲敏感，但仍是一種較穩定的角點提取算子；SUSAN算子具有很強的抗噪性、縮放和旋轉不變性。

然而，目前的角點檢測算法研究大都基于上述算子的改進，角點檢測算法用于腦ＭＲ圖像配準的研究尚少，且主要局限于對同一種角點檢測算法的改進。但是，不同算子提取的角點并不能完整、正確地描述特征點信息，有必要研究結合不同算子提取角點來綜合實現腦ＭＲ圖像配準。

為了進一步了解上述背景技術中的專業術語，可參考以下文獻：

[1]郭飛飛.基于特征點的圖像配準方法及其研究.重慶：重慶大學，2010；

[2]張訓華，業寧，王厚立.基于Harris角點的木材ＣＴ圖像配準.山東大學學報，2010.；

[3]陳賢巧.基于特征的圖像配準算法研究.安徽：中國科學技術大學.2009。

發明內容

針對現有技術的不足，本發明的目的是提供一種能夠減少總程序運行時間，同時提高配準精度的腦磁共振圖像配準方法，具體的技術方案如下：

一種基于K均值聚類法的腦磁共振圖像配準方法，其關鍵在于按照以下步驟進行：

步驟1：獲取參考圖像I和待配準圖像J，采用基于Harris和SUSAN算子的混合算法分別提取圖像I的總角點集A和圖像J的總角點集B，按照角點強度大小對總角點集A和總角點集B進行排序，選取角點強度較大的M個角點，得到新的角點集C和角點集D；

步驟2：采用互相關系數法對步驟1獲得的角點集C和角點集D進行粗匹配篩選，得到特征角點對的集合E和F；

步驟3：分別對步驟2獲得特征角點對的集合E和F采用K均值聚類法進行聚類處理，得到角點集E′和F′；

步驟4：對步驟3中得到的角點集E′和F′采用投票匹配法進行精匹配篩選，得到圖像I和J各自的最終角點集G和H；

步驟5：基于最終角點集G和H，采用Powell算法搜索變換參數值，實現圖像配準，并計算配準后圖像I和J間的互信息值；

步驟6：選擇步驟5獲得的互信息最大值所對應的角點對作為最終的角點匹配對，并將其對應的搜索參數作為最終的搜索參數，重新對圖像進行配準。

本發明中，首先利用Harris算子和SUSAN算子的混合角點檢測獲取總角點集，利用角點強度篩選出新的角點集，然后引入K均值聚類算法對角點進行聚類，之后結合歸一化相關法和投票策略篩選出精準的角點對，最后采用Powell算法對角點集合進行優化，得到重建參數值，對圖像進行最終配準，能夠有效減少算法運行時間，提高圖像配準精度。

更進一步的技術方案，所述步驟1按照以下步驟進行：

步驟1-1：采用Harris算子對圖像I和J進行角點檢測得到角點集I_a和J_a，采用SUSAN算子對圖像I和J進行角點檢測得到角點集I_b和J_b；

步驟1-2：分別對角點集I_a與I_b、J_a與J_b求并集，得到圖像I的角點集合A和圖像J的角點集合B；

步驟1-3：搜索角點集合A和B中每個角點對應的Harris和SUSAN角點響應矩陣，分別組成矩陣R_HA與R_SA、R_HB與R_SB；