[發(fā)明專利]基于Log-Euclidean協(xié)方差矩陣描述符的圖像非剛性配準(zhǔn)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201711119025.3
• 申請(qǐng)日: 2017-11-14
• 公開（公告）號(hào): CN107871325B
• 公開（公告）日: 2020-06-19
• 發(fā)明（設(shè)計(jì)）人: 田聯(lián)房;張莉;李彬;李祥霞
• 申請(qǐng)（專利權(quán)）人: 華南理工大學(xué)
• 主分類號(hào): G06T7/37
• 分類號(hào): G06T7/37
• 代理公司: 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司 44245
• 代理人: 馮炳輝

1.基于Log-Euclidean協(xié)方差矩陣描述符的圖像非剛性配準(zhǔn)方法，其特征在于，包括以下步驟：

1)對(duì)參考圖像和浮動(dòng)圖像采用基于B樣條的FFD配準(zhǔn)算法進(jìn)行剛性預(yù)配準(zhǔn)，獲得預(yù)配準(zhǔn)后的參考圖像和浮動(dòng)圖像；

2)采用向?qū)D像濾波作用于預(yù)配準(zhǔn)后的參考圖像和浮動(dòng)圖像，獲得濾波后的參考圖像和浮動(dòng)圖像；

3)在向?qū)D像濾波的基礎(chǔ)上，采用多分辨率策略獲得3層金字塔圖像，初始金字塔層數(shù)為0；

其中，在配準(zhǔn)算法實(shí)現(xiàn)過(guò)程中采用多分辨率策略，包括如下步驟：

3.1)通過(guò)重采樣的方法對(duì)參考圖像和浮動(dòng)圖像計(jì)算3層金字塔模型；

3.2)在低分辨率下進(jìn)行粗配準(zhǔn)，得到本尺度的形變矩陣；

3.3)對(duì)在低分辨率下得到的形變矩陣進(jìn)行超采樣，將其作為上一級(jí)高分辨率的初始變換；

3.4)逐層的迭代，最終實(shí)現(xiàn)整幅圖像的配準(zhǔn)；

4)對(duì)當(dāng)前層金字塔參考圖像和浮動(dòng)圖像的每一像素點(diǎn)提取如下7個(gè)特征：空間坐標(biāo)x和y、歸一化后灰度值、x和y方向一階和二階梯度的范數(shù)，將提取的特征分別映射為行數(shù)×列數(shù)×7維的特征空間F₁和F₂，再對(duì)F₁和F₂通過(guò)使用積分圖像方法來(lái)快速計(jì)算參考圖像和浮動(dòng)圖像的Log-Euclidean協(xié)方差矩陣描述符C_R(x,y)和

5)將Log-Euclidean協(xié)方差矩陣描述符C_R(x,y)和取對(duì)數(shù)后的差作為新的匹配項(xiàng)添加到Log-Demons算法的目標(biāo)能量函數(shù)中，構(gòu)建新目標(biāo)能量函數(shù)；

6)根據(jù)所提出新目標(biāo)能量函數(shù)計(jì)算圖像的變形驅(qū)動(dòng)力，得到瞬時(shí)位移向量；

7)利用得到瞬時(shí)位移向量更新形變矩陣；

8)判斷是否達(dá)到最大迭代次數(shù)，若沒有達(dá)到，則返回步驟3)，繼續(xù)迭代；否則判斷是否達(dá)到最大分解級(jí)數(shù)，若沒有達(dá)到，則對(duì)低分辨率下得到的形變矩陣進(jìn)行超采樣，將其作為上一級(jí)高分辨率的初始變換，返回步驟3)，否則配準(zhǔn)結(jié)束，進(jìn)入步驟9)；

9)將最終獲得的形變矩陣通過(guò)雙三次插值方法作用于剛性配準(zhǔn)后的浮動(dòng)圖像，完成浮動(dòng)圖像的最終配準(zhǔn)。

2.根據(jù)權(quán)利要求1所述的基于Log-Euclidean協(xié)方差矩陣描述符的圖像非剛性配準(zhǔn)方法，其特征在于：在步驟2)中，對(duì)預(yù)配準(zhǔn)后的參考圖像和浮動(dòng)圖像進(jìn)行邊緣和細(xì)節(jié)保存的平滑運(yùn)算處理，采用的是向?qū)D像濾波：

q_i＝a_kI_i+b_k,i∈ω_k

式中，q_i是輸出圖，I_i是向?qū)D，i是像素索引，a_k和b_k是常數(shù)，ω_k是以向?qū)DI_i中一點(diǎn)k為中心半徑為r的局部窗。

3.根據(jù)權(quán)利要求1所述的基于Log-Euclidean協(xié)方差矩陣描述符的圖像非剛性配準(zhǔn)方法，其特征在于，在步驟4)中，所述圖像的Log-Euclidean協(xié)方差矩陣描述符計(jì)算，包括以下步驟：

4.1)對(duì)每一像素提取的特征映射為行數(shù)×列數(shù)×7維的特征空間F：

F(x,y)＝[x,y,I(x,y),|I_x(x,y)|,|I_y(x,y)|,|I_xx(x,y)|,|I_yy(x,y)|]

式中，(x,y)是像素點(diǎn)位置，I(x,y)是(x,y)像素點(diǎn)的灰度值，|I_x(x,y)|和|I_y(x,y)|是像素點(diǎn)(x,y)的一階梯度范數(shù)，|I_xx(x,y)|和|I_yy(x,y)|是像素點(diǎn)(x,y)的二階梯度范數(shù)；

4.2)對(duì)特征空間F采用積分圖像方法計(jì)算得到每一像素的Log-Euclidean協(xié)方差矩陣描述符C(x,y)：

式中，μ是C上中心點(diǎn)在(x,y)的r鄰域內(nèi)的均值，N_r是r鄰域內(nèi)點(diǎn)的總個(gè)數(shù)，x'和y'滿足不等式|x-x'|≤r，|y-y'|≤r。

4.根據(jù)權(quán)利要求1所述的基于Log-Euclidean協(xié)方差矩陣描述符的圖像非剛性配準(zhǔn)方法，其特征在于，在步驟5)中，在Log-Demons算法基礎(chǔ)上，采用新目標(biāo)能量函數(shù)：

式中，R和M分別表示參考圖像和浮動(dòng)圖像的像素值，符號(hào)表示復(fù)合運(yùn)算符，exp和log分別表示指數(shù)函數(shù)和對(duì)數(shù)函數(shù)，ν是第n次迭代時(shí)未正則化的速度場(chǎng)，ν_c是第n-1次迭代后正則化的速度場(chǎng)，C_R和分別表示參考圖像和浮動(dòng)圖像Log-Euclidean協(xié)方差矩陣描述符，φ(p)表示當(dāng)前估計(jì)的變換，符號(hào)▽表示梯度，α、β和γ分別是影響著圖像噪聲、光滑程度和正則化在目標(biāo)能量函數(shù)中的權(quán)重，ζ為新添加匹配項(xiàng)的所占權(quán)重，p是像素位置；

在步驟6)中，對(duì)所提出新目標(biāo)能量函數(shù)進(jìn)行形變驅(qū)動(dòng)力的計(jì)算，得到瞬時(shí)位移向量δν_pro：

式中，R(p)和M(p)分別表示參考圖像和浮動(dòng)圖像在位置p處的像素值，符號(hào)表示M與函數(shù)φ(p)的復(fù)合運(yùn)算，φ(p)表示當(dāng)前估計(jì)的變換，α、β和γ分別是影響著圖像噪聲、光滑程度和正則化在目標(biāo)能量函數(shù)中的權(quán)重，ζ為新添加匹配項(xiàng)的所占權(quán)重，log表示對(duì)數(shù)函數(shù)，C_R和分別表示參考圖像和浮動(dòng)圖像Log-Euclidean協(xié)方差矩陣描述符，J_p和K_p分別表示新目標(biāo)能量函數(shù)第一項(xiàng)中函數(shù)和第三項(xiàng)中函數(shù)的Jacobian矩陣，

其表達(dá)式分別為：

在步驟7)中，利用得到瞬時(shí)位移向量更新形變矩陣，包括以下步驟：

7.1)高斯濾波平滑瞬時(shí)位移向量：

式中，為高斯濾波，*表示卷積；

7.2)更新形變矩陣：

式中，ν_n表示第n次迭代后正則化的速度場(chǎng)，符號(hào)表示復(fù)合函數(shù)運(yùn)算。