确定匹配点对的方法及图像获取方法技术

确定匹配点对的方法。所述方法包括：对第一图像和第二图像进行金字塔分解，构造第一差分金字塔及第二差分金字塔；遍历第一差分金字塔每一层，搜索每层差分金字塔中的极值点，遍历第二差分金字塔每一层，搜索每层差分金字塔中的极值点；去除第一差分金字塔的极值点中为第一图像强边缘上的像素点获得第一图像中的特征点；去除第二差分金字塔的极值点中为第二图像强边缘上的像素点获得第二图像中的特征点；基于第一图像中特征点的特征向量及第二图像中特征点的特征向量，对第一图像和第二图像中特征点进行双向匹配生成初始匹配点对；去除初始匹配点对中错误的匹配点对获得匹配点对。本方案复杂度低、计算量小可简单快速确定准确度高的匹配点对。

【技术实现步骤摘要】

本专利技术涉及图像处理
，特别涉及一种图像中特征点的检测方法及装置、确定匹配点对的方法及装置、图像获取方法及装置以及X射线摄影系统。
技术介绍
数字X射线摄影(DR，DigitalRadiography)设备是计算机数字图像处理技术与X射线放射技术相结合而形成的一种先进的医疗设备。数字X射线摄影设备因其辐射剂量小、影像质量高、疾病的检出率和诊断的准确性较高而被广泛的应用。在诊断脊椎前突、侧弯、下肢畸形等骨科疾病，或者进行骨折复位、关节移位、截骨术和椎弓根螺钉插入时，需要医学影像设备的辅助，而X射线摄影设备由于其成本低、剂量小、且能够实现无创可视化等优点，目前成为上述诊断的首选设备。但是由于X射线摄影设备在平板尺寸方面的限制，其成像范围难以覆盖完整的脊椎或下肢区域。此时，通常通过对脊椎或四肢长骨采集图像序列，利用图像处理算法将图像序列进行准确拼接，为医生提供准确的影像信息，以完成对上述骨科疾病的诊断。通过X射线摄影设备采集图像时，相邻两次拍摄的人体解剖位有所不同，故采用的剂量也不同，因此相邻图像之间重叠区域的灰度差异也较大。且在拍摄图像的过程中，为避免患者受到过多的辐射剂量，通常会通过限束器遮去不必要的原发X射线，其能将X射线照射野限制在所需的最小范围，但是图像中限束器覆盖的区域会对精确拼接造成干扰。另外，为了保护受检者，拍摄过程中也会尽量的降低辐射剂量，因此拍摄获得的X射线图像中噪声干扰较大，图像清晰度差。而在获取多张图像过程中受检者也难以做到一直屏气，难免会有轻微的呼吸或轻微移动，上述提及的都会对拼接算法的精度有所影响。此外，为避免要求受检者长时间保持不动和屏气，以及减少医生的等待时间，提高诊断效率，也要求图像拼接算法具有很快的执行速度。因此，能快速获得拼接精度高的图像是图像拼接领域的技术难点。现有的对X射线图像的拼接通常采用基于特征、基于灰度、基于变换域的拼接方法。对于基于特征的图像拼接方法而言，其首先对待配准图像进行预处理，提取特定的特征集；然后根据相似性度量函数，对特征集的描述进行匹配，进而实现图像的位置匹配。基于特征的图像拼接方法对图像的灰度变化具有较强的鲁棒性，且采用基于特征的图像拼接方法进行图像拼接时，提取了待拼接图像的显著特征，在很大程度上压缩了图像的信息量，故采用该拼接方法计算量较小，执行速度较快。对于基于灰度的图像拼接方法而言，其主要是利用图像的灰度信息，选择一个合适的能够度量图像之间相似程度的代价函数，然后采用某种搜索策略，取使该相似性代价函数值取得最值的对应变换模型的参数值。然而基于灰度的图像拼接方法搜索最优参数的过程计算量比较大，算法执行时间长，对图像噪声的敏感性强，对图像灰度依赖性比较强，且两幅待拼接图像重叠区域之间的灰度差异的大小将会影响拼接的精确度。而基于变换域的图像拼接方法则是通过快速傅里叶变换将两幅图像从空间域变换到频率域，通过两幅图像的互功率谱的相位直接计算出两幅图像的平移、旋转和缩放的对应参数，以实现图像的拼接。然而基于变换域的图像拼接方法受图像边缘显著差异和噪声等影响，有可能得不到正确的拼接参数，故通常基于变换域的图像拼接方法较多应用于拼接初始时配准参数的确定。因此，目前较多采用基于特征的拼接方法以实现对X射线图像的拼接。然而采用现有的基于特征的图像拼接方法对X射线图像进行拼接时，在对待拼接图像中的特征点进行检测时，检测算法的复杂度高且检测速度慢。此外采用现有的基于特征点的图像拼接方法实现图像拼接时，匹配点对中仍存在错误的匹配点对，匹配点对的准确度低，进而导致以基于特征的图像拼接方法进行图像拼接时，拼接获得的图像的拼接精度不高，对临床诊断有一定的影响。因此，如何能够以较低的复杂度快速的检测图像中的特征点，简单并准确地确定匹配点对，获得拼接精度高的图像，成为目前亟待解决的问题之一。
技术实现思路
本专利技术要解决的问题是提供一种确定匹配点对的方法，以较低的复杂度和较小的计算量简单快速准确的确定准确度高的匹配点对，以及提供一种拼接精度高的图像获取方法。为解决上述问题，本专利技术技术方案提供一种确定匹配点对的方法，包括：对第一图像和第二图像进行金字塔分解，基于分解后的第一图像和第二图像分别构造与所述第一图像对应的第一差分金字塔图像以及与所述第二图像对应的第二差分金字塔图像；所述第一图像和所述第二图像为相邻的图像；遍历所述第一差分金字塔图像的每一层，搜索每层差分金字塔图像中的极值点，遍历所述第二差分金字塔图像的每一层，搜索每层差分金字塔图像中的极值点；所述极值点关联于预设邻域中的像素点的灰度值的绝对值；去除所述第一差分金字塔图像的极值点中为所述第一图像强边缘上的像素点以获得所述第一图像中的特征点；去除所述第二差分金字塔图像的极值点中为所述第二图像强边缘上的像素点以获得所述第二图像中的特征点；基于所述第一图像中的特征点的特征向量及所述第二图像中的特征点的特征向量，对所述第一图像和所述第二图像中的特征点进行双向匹配以生成初始匹配点对；去除所述初始匹配点对中错误的匹配点对以获得匹配点对。可选的，所述第一差分金字塔图像的极值点是指每层差分金字塔图像中像素点的灰度值的绝对值为所述像素点预设邻域中像素点的灰度值的绝对值最大的像素点；所述第二差分金字塔图像的极值点是指每层差分金字塔图像中像素点的灰度值的绝对值为所述像素点预设邻域中像素点的灰度值的绝对值最大的像素点。可选的，所述第一差分金字塔图像的极值点是指所述第一差分金字塔图像中修正后的像素点P，修正后的像素点P是对像素点P的位置进行修正后获得的，所述像素点P是指所述第一差分金字塔图像的每层图像中像素点的灰度值的绝对值为所述像素点预设邻域中像素点的灰度值的绝对值最大的像素点；所述第二差分金字塔图像的极值点是指所述第二差分金字塔图像中修正后的像素点P，所述修正后的像素点P是对像素点P的位置进行修正后获得的，像素点P是指所述第二差分金字塔图像的每层图像中像素点的灰度值的绝对值为所述像素点预设邻域中像素点的灰度值的绝对值最大的像素点。可选的，所述第一差分金字塔图像的极值点是指对像素点P的灰度值的绝对值按照由大至小的顺序排序后位于前N位的像素点P，所述像素点P是指所述第一差分金字塔图像的每层图像中像素点的灰度值的绝对值为所述像素点预设邻域中像素点的灰度值的绝对值最大的像素点；所述第二差分金字塔图像的极值点是指对像素点P的灰度值的绝对值按照由大至小的顺序排序后位于前N位的像素点P，所述像素点P是指所述第二差分金字塔图像的每层图像中像素点的灰度值的绝对值为所述像素点预设邻域中像素点的灰度值的绝对值最大的像素点。可选的，所述基于所述第一图像中的特征点的特征向量及所述第二图像中的特征点的特征向量，对所述第一图像和所述第二图像中的特征点进行双向匹配以生成初始匹配点对包括：以所述第一图像中的每一个特征点的特征向量与所述第二图像中的特征点的特征向量之间的最小欧式距离与次小欧式距离的比为第一比值；在所述第一比值小于第一阈值时，以与所述最小欧式距离对应的所述第一图像中的特征点和所述第二图像中的特征点为第三匹配点对，生成以该第三匹配点对为元素的第一集合；以所述第二图像中的每一个特征点的特征向量与所述第一图像中的特征点的特征向量之间的最小欧式距离与次小欧本文档来自技高网...

【技术保护点】
一种确定匹配点对的方法，其特征在于，包括：对第一图像和第二图像进行金字塔分解，基于分解后的第一图像和第二图像分别构造与所述第一图像对应的第一差分金字塔图像以及与所述第二图像对应的第二差分金字塔图像；所述第一图像和所述第二图像为相邻的图像；遍历所述第一差分金字塔图像的每一层，搜索每层差分金字塔图像中的极值点，遍历所述第二差分金字塔图像的每一层，搜索每层差分金字塔图像中的极值点；所述极值点关联于预设邻域中的像素点的灰度值的绝对值；去除所述第一差分金字塔图像的极值点中为所述第一图像强边缘上的像素点以获得所述第一图像中的特征点；去除所述第二差分金字塔图像的极值点中为所述第二图像强边缘上的像素点以获得所述第二图像中的特征点；基于所述第一图像中的特征点的特征向量及所述第二图像中的特征点的特征向量，对所述第一图像和所述第二图像中的特征点进行双向匹配以生成初始匹配点对；去除所述初始匹配点对中错误的匹配点对以获得匹配点对。

【技术特征摘要】
1.一种确定匹配点对的方法，其特征在于，包括：对第一图像和第二图像进行金字塔分解，基于分解后的第一图像和第二图像分别构造与所述第一图像对应的第一差分金字塔图像以及与所述第二图像对应的第二差分金字塔图像；所述第一图像和所述第二图像为相邻的图像；遍历所述第一差分金字塔图像的每一层，搜索每层差分金字塔图像中的极值点，遍历所述第二差分金字塔图像的每一层，搜索每层差分金字塔图像中的极值点；所述极值点关联于预设邻域中的像素点的灰度值的绝对值；去除所述第一差分金字塔图像的极值点中为所述第一图像强边缘上的像素点以获得所述第一图像中的特征点；去除所述第二差分金字塔图像的极值点中为所述第二图像强边缘上的像素点以获得所述第二图像中的特征点；基于所述第一图像中的特征点的特征向量及所述第二图像中的特征点的特征向量，对所述第一图像和所述第二图像中的特征点进行双向匹配以生成初始匹配点对；去除所述初始匹配点对中错误的匹配点对以获得匹配点对。2.如权利要求1所述的确定匹配点对的方法，其特征在于，所述第一差分金字塔图像的极值点是指每层差分金字塔图像中像素点的灰度值的绝对值为所述像素点预设邻域中像素点的灰度值的绝对值最大的像素点；所述第二差分金字塔图像的极值点是指每层差分金字塔图像中像素点的灰度值的绝对值为所述像素点预设邻域中像素点的灰度值的绝对值最大的像素点。3.如权利要求1所述的确定匹配点对的方法，其特征在于，所述第一差分金字塔图像的极值点是指所述第一差分金字塔图像中修正后的像素点P，修正后的像素点P是对像素点P的位置进行修正后获得的，所述像素点P是指所述第一差分金字塔图像的每层图像中像素点的灰度值的绝对值为所述像素点预设邻域中像素点的灰度值的绝对值最大的像素点；所述第二差分金字塔图像的极值点是指所述第二差分金字塔图像中修正后的像素点P，所述修正后的像素点P是对像素点P的位置进行修正后获得的，像素点P是指所述第二差分金字塔图像的每层图像中像素点的灰度值的绝对值为所述像素点预设邻域中像素点的灰度值的绝对值最大的像素点。4.如权利要求1所述的确定匹配点对的方法，其特征在于，所述第一差分金字塔图像的极值点是指对像素点P的灰度值的绝对值按照由大至小的顺序排序后位于前N位的像素点P，所述像素点P是指所述第一差分金字塔图像的每层图像中像素点的灰度值的绝对值为所述像素点预设邻域中像素点的灰度值的绝对值最大的像素点；所述第二差分金字塔图像的极值点是指对像素点P的灰度值的绝对值按照由大至小的顺序排序后位于前N位的像素点P，所述像素点P是指所述第二差分金字塔图像的每层图像中像素点的灰度值的绝对值为所述像素点预设邻域中像素点的灰度值的绝对值最大的像素点。5.如权利要求1所述的确定匹配点对的方法，其特征在于，所述基于所述第一图像中的特征点的特征向量及所述第二图像中的特征点的特征向量，对所述第一图像和所述第二图像中的特征点进行双向匹配以生成初始匹配点对包括：以所述第一图像中的每一个特征点的特征向量与所述第二图像中的特征点的特征向量之间的最小欧式距离与次小欧式距离的比为第一比值；在所述第一比值小于第一阈值时，以与所述最小欧式距离对应的所述第一图像中的特征点和所述第二图像中的特征点为第三匹配点对，生成以该第三匹配点对为元素的第一集合；以所述第二图像中的每一个特征点的特征向量与所述第一图像中的特征点的特征向量之间的最小欧式距离与次小欧式距离的比为第二比值；在所述第二比值小于第二阈值时，以与所述最小欧式距离对应的所述第二图像中的特征点和所述第一图像中的特征点为第四匹配...

【专利技术属性】
技术研发人员：胡扬，牛杰，徐亮，王汉禹，
申请(专利权)人：上海联影医疗科技有限公司，
类型：发明
国别省市：上海;31