[發(fā)明專利]多模態(tài)視網(wǎng)膜眼底圖像配準方法及裝置

有效

• 申請?zhí)枺?/td>: 202010024197.8
• 申請日: 2020-01-08
• 公開（公告）號: CN111260701B
• 公開（公告）日: 2023-06-30
• 發(fā)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(huán)專利商標代理有限公司 44202
• 代理人: 郭浩輝;麥小嬋

本申請公開了一種多模態(tài)視網(wǎng)膜眼底圖像配準方法及裝置，所述方法包括：根據(jù)尺度不變特征轉換算法，提取浮動圖像中的第一特征點集參考圖像中的第二特征點集；根據(jù)第一特征點集以及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(jù)第一特征點集和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(jù)期望最大化算法，對第一特征差異矩陣和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，獲取第一特征差異矩陣與第二特征差異矩陣基于混合高斯模型的貝葉斯規(guī)則的后驗概率矩陣后，根據(jù)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(shù)；根據(jù)點集坐標，獲取配準后的圖像。

技術領域

本申請涉及圖像處理技術領域，尤其涉及一種多模態(tài)視網(wǎng)膜眼底圖像配準方法及裝置。

背景技術

眼底的視網(wǎng)膜血管是人體中可看見的血管，醫(yī)生把它當作了解其它臟器血管情況的窗口，其變化在一定程度上反映了一些器官的改變程度。為能夠更好的觀測視網(wǎng)膜血管，通常采用圖像配準的方法來對眼底彩色圖像和眼底熒光造影圖像所產(chǎn)生的圖像進行處理，使兩幅圖像的信息互補，以得到更為全面的信息。

現(xiàn)有的圖像配準方法，是通過對兩幅圖像進行Harris角點檢測，得到包含分支點和交叉點的角點，判斷角點的屬性并記錄眼底彩色圖像及眼底熒光造影圖像中的特征點并構成兩個特征點集，根據(jù)兩個特征點集進行計算得到進行圖像配準的仿射變換參數(shù)后，以眼底熒光造影圖像作為參考圖像，以眼底彩色圖像作為浮動圖像，通過仿射變換參數(shù)將兩者進行配準，得到配準后的圖像，從而獲取更為全面的信息。但在實現(xiàn)本申請的過程中，發(fā)現(xiàn)當兩幅圖像的局部結構相似時，僅使用單一的特征描述符去評估點集之間的對應關系，會導致大量的誤判，導致最終得到的圖像信息不準確。

發(fā)明內容

本申請實施例提供一種多模態(tài)視網(wǎng)膜眼底圖像配準方法及裝置，解決現(xiàn)有的圖像配準方法進行配準時獲取到的圖像精度不足的問題。

為解決上述問題，本申請實施例提供一種多模態(tài)視網(wǎng)膜眼底圖像配準方法，適于在計算設備中執(zhí)行，至少包括如下步驟：

獲取多模態(tài)的浮動圖像和參考圖像；

根據(jù)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(jù)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(jù)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(jù)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(guī)則的后驗概率矩陣后，在M步處理中，根據(jù)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(shù)；

根據(jù)所述點集坐標，獲取配準后的圖像。

進一步的，所述根據(jù)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(jù)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(jù)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(shù)達到預設次數(shù)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。

進一步的，所述E步處理包括：