[發明專利]基于Log-Euclidean協方差矩陣描述符的圖像非剛性配準方法

有效

• 申請號: 201711119025.3
• 申請日: 2017-11-14
• 公開（公告）號: CN107871325B
• 公開（公告）日: 2020-06-19
• 發明（設計）人: 田聯房;張莉;李彬;李祥霞
• 申請（專利權）人: 華南理工大學
• 主分類號: G06T7/37
• 分類號: G06T7/37
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 馮炳輝

本發明公開了一種基于Log?Euclidean協方差矩陣描述符的圖像非剛性配準方法，將能夠有效表示圖像局部結構特性且對大的旋轉、縮放、照度等變化具有不變性的特征描述符結合進經典Log?Demons配準模型的目標函數中，構建了一種新配準算法模型。新模型將先驗結構信息結合進配準過程，避免了形變驅動力僅依賴灰度差和梯度信息的弊端，有效減少了形變誤差，獲得了優于基于B樣條的FFD模型、Log?Demons模型等當前主流非剛性配準算法的配準精度和魯棒性，增強了配準魯棒性，對在臨床中的實際應用有著重要的參考價值。

技術領域

本發明涉及醫學圖像處理及應用的技術領域，尤其是指一種基于Log-Euclidean協方差矩陣描述符的圖像非剛性配準方法。

背景技術

由于不同時間采集到的肺部CT會受到呼吸運動、臟器蠕動、重力作用、體位變動等因素使軟組織產生復雜形變，而為觀察解剖結構的變化情況，滿足臨床病情診斷、康復治療效果評估、治療計劃的確定或調整等，對圖像進行非剛性配準具有重要的理論意義和實用價值。

在配準過程中，形變模型的選擇是非常重要的，因為它反映了幾何變換的類型，很大程度上限定了適用范圍。當前，最常用的形變模型有Demons模型和自由形變(Free-FormDeformation,FFD)模型.FFD模型具有平滑的幾何變換函數，通過對控制網格位置的移動來獲得任何形變，但卻不能夠確保拓撲保持性。Log-Demons模型是Demons模型的一個變體，通過迭代地計算力矢量場以在適當的方向上驅動形變，然后通過卷積來平滑力矢量場以便更新形變。另外，它具有微分同胚的空間變換，能夠保持圖像的拓撲結構在配準前后不發生改變。與FFD模型相比，Demons模型具有較高的靈活性、配準精度和計算效率，更適合于醫學圖像的配準。

經典Demons配準算法的形變驅動力受限于圖像梯度的局部范圍,使其局限于小形變、弱魯棒性、低精度等。針對這些局限，許多學者積極開展基于Demons模型的圖像配準算法研究，提出很多改進的Demons算法。改進策略主要分為兩種：一是在驅動力中添加新的信息項，克服了僅依賴灰度的梯度信息出現的驅動力不足問題，如Wang等提出了ActiveDemons算法；二是在配準能量表達式中添加新的信息項，旨在獲得具有必要屬性的形變場，如Mansi等提出的Log-Demons配準算法具有拓撲保持性的形變場，符合真實材料的形變特性，可以保持物體拓撲結構以避免不合理的物理形變的優勢。但是，Log-Demons算法對具有灰度偏差的圖像間配準呈現出弱魯棒性，對大形變的配準表現出低配準精度的問題。

本發明提供一種基于Log-Euclidean協方差矩陣描述符的圖像非剛性配準方法，將能夠有效表示圖像局部結構特性且對大的旋轉、縮放、照度等變化具有不變性的特征描述符結合進經典Log-Demons配準模型的目標函數中，構建了一種新配準算法模型。新模型將先驗結構信息結合進配準過程，避免了形變驅動力僅依賴灰度差和梯度信息的弊端，有效減少了形變誤差，增強了配準魯棒性。

發明內容

本發明的目的在于克服現有技術的缺點與不足，提出了一種基于Log-Euclidean協方差矩陣描述符的圖像非剛性配準方法，獲得了優于基于B樣條的FFD模型、Log-Demons模型等當前主流非剛性配準算法的配準精度和魯棒性，對在臨床中的實際應用有著重要的參考價值。

為實現上述目的，本發明所提供的技術方案為：基于Log-Euclidean協方差矩陣描述符的圖像非剛性配準方法，包括以下步驟：

1)對參考圖像和浮動圖像采用基于B樣條的FFD配準算法進行剛性預配準，獲得預配準后的參考圖像和浮動圖像；

2)采用向導圖像濾波作用于預配準后的參考圖像和浮動圖像，獲得濾波后的參考圖像和浮動圖像；

3)在向導圖像濾波的基礎上，采用多分辨率策略獲得3層金字塔圖像，初始金字塔層數為0；