[發明專利]多模態視網膜眼底圖像配準方法及裝置

有效

• 申請號: 202010024197.8
• 申請日: 2020-01-08
• 公開（公告）號: CN111260701B
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 蔡宏民;但婷婷
• 申請（專利權）人: 華南理工大學
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06T7/00;G06V10/54;G06V10/422;G06V10/46;G06V10/74;G06F17/16;G06F17/18
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郭浩輝;麥小嬋

1.一種多模態視網膜眼底圖像配準方法，其特征在于，包括：

獲取多模態的浮動圖像和參考圖像；

根據尺度不變特征轉換算法，提取所述浮動圖像中的多個第一特征點組成第一特征點集，以及提取所述參考圖像中的多個第二特征點組成第二特征點集；

根據所述第一特征點集的第一形狀上下文特征，以及所述第二特征點集的第二形狀上下文特征，獲取第一特征差異矩陣，并根據所述第一特征點集的第一紋理特征和所述第二特征點集的第二紋理特征，獲取第二特征差異矩陣；

根據期望最大化算法，在E步處理中，對所述第一特征差異矩陣和所述第二特征差異矩陣通過高斯混合模型和貝葉斯定律求解進行計算，獲取所述第一特征差異矩陣與所述第二特征差異矩陣基于混合高斯模型的貝葉斯規則的后驗概率矩陣后，在M步處理中，根據所述后驗概率矩陣進行計算，獲取點集坐標，直至期望最大化算法的計算結果收斂或達到預設的迭代次數；

根據所述點集坐標，獲取配準后的圖像；

其中，所述E步處理包括：

在D維空間中，根據獲取第i個所述第二特征點由第j個所述第一特征點生成的生成概率；其中，y_j為第j個所述第一特征點，x_i為第i個第二特征點，各所述第一特征點的先驗概率以及各向同性協方差σ²I相同；

為所述第一特征點和所述第一特征點添加預設權重，基于所述預設權重和所述生成概率，獲取所述高斯混合模型的概率密度函數后，根據貝葉斯定理，獲取第一特征點集與所述第二特征點集的歐式距離特征對應關系；

將所述第一特征差異矩陣與所述第二特征差異矩陣通過歐式距離特征對應關系進行計算，得到所述后驗概率矩陣；

所述M步處理包括：

在能量方程中加入全局-局部幾何結構約束：

其中，第二項和第三項表示約束項，λ和η分別表示約束的強度控制；κ表示高斯核κ(y_j,y_i)＝exp(-||y_i-y_j||²/2ψ²)，常數ψ是高斯核的寬度，W、σ和β分別需要優化求解的參數，CE_ji為后驗概率矩陣，i,j示點集索引，X表示源點集，Y表示目標點集，L(T)為局部約束，G(T)為全局約束；

通過求導得到括號里的參數，每一次更新的都帶入E步中；兩個步驟不斷迭代，直至能量方程收斂或達到設置的最大迭代次數，從而得到點集坐標T(Y,W)＝Y+κW。

2.根據權利要求1所述的多模態視網膜眼底圖像配準方法，其特征在于，所述根據尺度不變特征轉換算法，提取所述浮動圖像中的多個第一特征點組成第一特征點集，以及提取所述參考圖像中的多個第二特征點組成第二特征點集，包括：

以預設的閾值，根據所述尺度不變特征轉換算法對所述浮動圖像和所述參考圖像進行遍歷，獲取所述閾值下的各第一特征點和各第二特征點后，迭代地基于預設的初始值更新所述閾值，并根據每次迭代后的閾值，獲取每次迭代后的閾值下的各所述第一特征點和各所述第二特征點，直至所述閾值的迭代次數達到預設次數后，生成包含所有所述第一特征點的第一特征點集，以及包含所有所述第二特征點的第二特征點集。

3.根據權利要求1所述的多模態視網膜眼底圖像配準方法，其特征在于，所述根據所述點集坐標，獲取配準后的圖像，包括：

將所述點集坐標通過反推法進行圖像配準，獲取配準后的圖像。