一种应用于医学图像的非刚性配准方法技术

一种应用于医学图像的非刚性配准方法，属于图像处理领域。通过在经典的Active Demons方法的基础上，提出新的变形驱动力计算方法，使得图像的变形程度更好控制，能够同时兼顾图像中大形变和小形变区域的准确配准。为了进一步的提高配准的精确度和收敛速度，在配准过程中引入多分辨率策略，由粗到精的实现配准。经过大量的配准试验表明，本发明专利技术可以实现医学图像的准确、快速、稳定的配准，克服了Active Demons方法存在的缺陷。

【技术实现步骤摘要】

本专利技术属于图像处理领域，具体涉及。
技术介绍
为了分析和理解图像，人们需要进行图像处理以获取图像的灰度、空间位置、纹理 等信息。图像处理涉及的领域很广，包括图像压缩、图像复原、图像去噪、图像分割、图像配 准、图像融合、三维可视化等。其中，图像配准进行的是获取图像的空间位置信息的工作，它 通过某种空间变换，使待处理的两幅图像的对应结构相互对齐，从而为之后更进一步的图 像处理做准备。 根据图像的变换方式，图像配准的方法可以分为两类：刚性配准方法和非刚性配 准方法。由于现实生活中大部分形变都是非刚性、非线性的，所以往往更需要非刚性配准方 法来解决，尤其是在医学图像处理领域，非刚性配准方法应用十分广泛。 近年来，非刚性配准方法在医学图像上的典型应用主要包括：神经医学诊断和治 疗研宄、基于配准的分割、真实图像与标准图谱比较、2D/3D图像配准实现手术精确导航、心 脏运动估计等。随着研宄的层层深入，非刚性配准方法正在不断被完善，在医学图像分析与 研宄方面的作用日益显现，已经成为一种极其重要的医学图像处理工具。 基于光流场理论的Demons方法作为当前最广受关注的非刚性配准方法之一，不 仅具有完善的理论基础，还有着不错的应用效果，这也是很多从事图像配准领域的研宄人 员选择Demons非刚性配准算法作为配准工具的重要原因。本专利技术也是基于Demons方法 的。自Thirion提出Demons方法以来，国内外很多知名大学和科研院所都积极开展基于 Demons方法的图像配准研宄，并取得了卓有成效的研宄成果。其中，最著名的是Wang等 人提出的ActiveDemons方法，将浮动图像的梯度信息也引入驱动力计算公式中。作为 Demons方法的改进形式，不仅进一步提高了算法的收敛速度而且可以配准变形较大的图 像。但是，ActiveDemons方法仅依靠均化系数a调节变形驱动力的强度，使得图像的变 形程度不好控制，无法兼顾图像中大形变和小形变区域的准确配准，容易导致小形变区域 过矫正的弊病。
技术实现思路
针对经典的ActiveDemons方法及其改进方法无法同时兼顾医学图像中大形变和 小形变区域的配准缺陷，本专利技术设计了一种应用于医学图像的全自动配准方法。本专利技术在 配准过程中引入新的调节变形驱动力的参数，可以更灵活、细致的调整图像的变形程度，为 了进一步提高配准的精度和收敛速度，在配准过程中引入多分辨率策略，由粗到精的配准 图像，有效的实现了医学图像的精确配准，克服了之前的方法中存在的缺陷。 本专利技术的核心技术方案主要有以下两个方面： 1?新的变形驱动力计算方法 为了能够有效地控制图像的变形程度，兼顾图像中大形变和小形变区域的配准， 本专利技术在经典的ActiveDemons方法的计算公式中引入一个新的参数--平衡系数k: 其中，S为参考图像，M为浮动图像，a为均化参数，k为平衡系数，VS为参考图像 的梯度，VM为浮动图像的梯度，k的取值规律参见附图1。 2.基于多分辨率策略实现 为了进一步提高配准的收敛速度和精确度以及避免陷入局部极值，在配准算法实 现的过程中引入由粗到精的多分辨率策略。 其基本思路如下： (1)通过重采样的方法将待配准图像分解成多级金字塔模型； (2)在低分辨率下利用较少的时间进行粗配准，得到本尺度的变形矩阵； (3)对在低分辨率下得到的变形矩阵进行超采样，将其作为上一级高分辨率的初 始变换； (4)逐层的迭代，最终实现整幅图像的配准。 本专利技术的有益效果在于： 1.配准的精确度 本专利技术能够相对准确的实现对医学图像的配准。图2至图9为对四例不同医学图 像的配准实验结果，可以看出本专利技术在配准医学图像时可以很好的配准大形变和小形变图 像，配准精度要优于原来的ActiveDemons方法，表1所示为本专利技术对应于经典的Active Demons方法的均方差比较。 表1两种方法的配准结果均方差（MSE)对比 2.配准的收敛速度 配准方法的收敛速度直接影响着本专利技术的实际应用效果。本专利技术相对于经典 的ActiveDemons方法，收敛速度大大提高。这里以测试图像为例，说明，附图10为二 值测试图像，图11为两种方法的配准曲线对比图，分别为AD(ActiveDemons)方法和 IAD(ImprovedActiveDemons)方法。 综上所述，本专利技术设计了。该方法基于新 的变形驱动力和多分辨率等策略实现，能够很好地实现对医学图像的配准。【附图说明】 图1平衡系数的取值规律； 图2、图4、图6、图8分别为四例医学图像的配准实验结果； 图3、图5、图7、图9分别为四例医学图像的实验结果与参考图像的差值图； 图10为两幅测试二值图像； 图11两种方法的配准曲线对比图。【具体实施方式】 下面结合附图及具体实施例对本专利技术作进一步详细的说明。 本专利技术实现医学图像的配准过程依次经过以下步骤： 步骤1 :预处理两幅待配准的图像，使其尺寸、类型等一致； 步骤2:选取图像中的所有像素点均为Demons点； 步骤3:设置图像的基本参数，包括最大迭代次数设为200、最大分解级数设为3、 初始变形矩阵设为零矩阵、设置均化系数、平衡系数的值，而且二者在每个分解级数中保持 不变等； 步骤4:根据提出的Demons算法计算图像的变形驱动力，得到瞬时位移向量，计算 方法如下： 步骤5 :利用得到的瞬时位移向量更新变形矩阵，再用高斯滤波平滑变形矩阵， 具体方式如下； Tn (p) =Tn_! (p) +un (p) Tn(p) =G0*Tn(p) 步骤6:判断是否达到最大迭代次数，若没有达到，则返回步骤4,继续迭代；否则 判断是否达到最大分解级数，若没有到达，则对在低分辨率下得到的变形矩阵进行超采样， 将其作为上一级高分辨率的初始变换，返回步骤4,否则配准结束，进入步骤7 ; 步骤7 :通过双三次插值法完成浮动图像的最终配准。 最后应说明的是，以上实施实例仅用以说明本专利技术的技术方案而非限制，尽管参 照较佳的实施实例对本专利技术进行了详细的说明，但本专利技术的保护范围并不局限于此，任何 熟悉本
的技术人员在本专利技术揭露的技术范围内，可轻易想到的修改或等同替换， 而不脱离本专利技术技术方案的精神和范围，都应涵盖在本专利技术的保护范围之内。【主权项】1. ，其特征在于包括w下步骤： 步骤1;预处理两幅待配准的图像，使其尺寸、类型等一致； 步骤2 ;选取图像中的所有像素点均为Demons点； 步骤3 ;设置图像的基本参数，包括最大迭代次数、最大分解级数、初始变形矩阵、均化 系数、平衡系数等； 步骤4 ;根据提出的Demons算法计算图像的变形驱动力，得到瞬时位移向量； 步骤5 ;利用得到的瞬时位移向量更新变形矩阵，再用高斯滤波平滑变形矩阵； 步骤6 ;判断是否达到最大迭代次数，若没有达到，则返回步骤4,继续迭代；否则判断 是否达到最大分解级数，若没有到达，则对在低分辨率下得到的变形矩阵进行超采样，将其 作为上一级高分辨率的初始变换，返回步骤4,否则配准结束，进入步骤7 ; 步骤7 ;通过双S次插值法完成浮动图像的最终配准。2. 根据权利要求1所述的，其特征在于：在所 述步骤4中使用新的变形驱动力U计算方法，如下所示：其中，S为参考图像，M为浮动本文档来自技高网...

【技术保护点】
一种应用于医学图像的非刚性配准方法，其特征在于包括以下步骤：步骤1：预处理两幅待配准的图像，使其尺寸、类型等一致；步骤2：选取图像中的所有像素点均为Demons点；步骤3：设置图像的基本参数，包括最大迭代次数、最大分解级数、初始变形矩阵、均化系数、平衡系数等；步骤4：根据提出的Demons算法计算图像的变形驱动力，得到瞬时位移向量；步骤5：利用得到的瞬时位移向量更新变形矩阵，再用高斯滤波平滑变形矩阵；步骤6：判断是否达到最大迭代次数，若没有达到，则返回步骤4，继续迭代；否则判断是否达到最大分解级数，若没有到达，则对在低分辨率下得到的变形矩阵进行超采样，将其作为上一级高分辨率的初始变换，返回步骤4，否则配准结束，进入步骤7；步骤7：通过双三次插值法完成浮动图像的最终配准。

【技术特征摘要】

【专利技术属性】
技术研发人员：董恩清，杨佩，孙文燕，李宇森，曹海，
申请(专利权)人：山东大学威海，
类型：发明
国别省市：山东;37