基于各向异性光流场与去偏移场的脑部MR图像配准方法技术

本发明专利技术基于各向异性光流场与去偏移场的脑部MR图像配准方法，提出了基于光流场模型的图像配准与偏移场恢复耦合模型，针对偏移场易导致传统配准模型配准精度不高的缺点，将去偏场与求光流场两者相结合，纳入统一变分框架中，使得两者相辅相成，针对Horn模型全局性正则项因缺少图像信息不能准确指导光流运动不足，引入图像结构信息来正则光流场，从而得到光滑准确的光流信息。本发明专利技术在配准同时可以恢复图像灰度不均匀场，从而降低了偏移场的影响；并且引入图像结构信息来降低配准结果模糊程度以及保留了图像结构信息，保证了边界结构信息的完整性，有利于进一步恢复真实图像。本发明专利技术大大提升了配准结果的精度,鲁棒性好。

Brain MR image registration method based on anisotropic optical flow field and offset field

The present invention based on anisotropic optical flow field and bias field MR brain image registration method, the optical flow field of image registration and offset model field recovery coupling model based on the displacement field is easy to cause the traditional registration model registration accuracy, will go to the partial field and optical flow field for combining the two into a unified change in the framework, the two complement each other, according to the Horn model of global regularization due to the lack of image information can not accurately guide the optical flow, introduced the image structure information to the regular optical flow to get smooth, accurate optical flow information. The invention can restore image registration in non-uniform field at the same time, thereby reducing the impact of bias field; and introduce the image structure information to reduce the registration results of fuzzy degree and preservation of the image structure information, ensure the integrity of the boundary structure information, is conducive to further restore the real image. The invention greatly improves the accuracy of the registration result and has good robustness.

【技术实现步骤摘要】
基于各向异性光流场与去偏移场的脑部MR图像配准方法
本专利技术属于图像配准
，尤其是涉及一种改进的脑部MR图像配准方法。
技术介绍
图像配准在遥感图像处理、计算机视觉、医学图像分析等领域有着广泛的应用。在医学图像领域，它是不同医学图像信息融合的基础。配准旨在对于指定一幅图像寻求一种空间变换，使它与另一幅医学图像上的对应点达到空间上的一致，这种一致是指人体上的同一解剖点在两张配准图像上有相同的空间位置。图像配准方法分为刚性和非刚性，由于人体组织的变化是非刚体的、非线性的，因此非刚性配准方法具有更好的配准效果。目前，非刚性配准方法主要分为两大类:基于像素的方法和基于特征的方法。基于像素的方法中包括以互信息为相似性测度的配准方法以及基于光流场模型的配准方法。基于特征方法主要依赖特征点选择，常用于刚性配准。由于基于像素的方法不需要对图像进行分割等预处理，从而提高了配准精度，受到越来越多的重视。互信息方法因其具有较高精度和鲁棒性，是目前最广泛用于医学图像配准方法之一。该方法假设两幅共同解剖结构图获得最佳配准时，其对应像素灰度互信息值最大。由于使用互信息，使得该类方法可以配准多模态图像。然而，该方法计算复杂度较高，难以达到医学分析实时要求，且由于仅仅使用邻域熵信息，导致相似性度量不能满足全局凸性质，从而易陷入局部最优。鉴于基于配准所求解的位移场与光流场模型所求解的速度场之间的相似性，Palos、Pierre等人将光流场模型引入到了图像配准中，他们提出的方法都基于Horn模型:由于图像的配准过程可以认为是从待配准图像流动到基准图像的过程，即配准所要求解的位移场可以看作光流场所求解的速度场，因此，可以通过求解光流场进行图像配准：其中，(Ix,Iy,It)是图像I沿x，y和t方向的导数，(u,v)T为所求光流场。该方程求解存在孔径问题，针对这点，Horn等人根据同一运动物体引起的光流场是连续的和平滑的特点，最先在光流场基本约束上引入光滑性约束[3，7]，并将光流场的求解问题转化为求以下能量求极小值问题：其中，α是光滑系数，其值越大，演化过程中对图像的平滑效果越明显。通过变分，利用梯度下降流方法，得到光流场u和ν迭代方程：相对于Horn的全局化模型，Lucas等人提出了局部化窗口模型其思想是将每一象素速度矢量的求解放到其邻域中，由邻域内各象素的信息共同约束该点速度矢量。窗口化操作中，每一象素只受其周围邻域象素的影响，可通过限定小的窗口来减少对图像造成的模糊。其中，W是一个符合统计特性的近邻象素比远距离象素对中心象素影响大的窗口函数。该类模型假设同一运动物体引起光流场是连续的、平滑的，并且提出了相近像素点有相同的运动速度的光滑约束条件，较适用图像灰度一致性假设，但是针对脑部MR图像存在偏移场现象，即图像灰度呈现缓慢变化，使得目标图像中各组织之间区分度降低，往往导致配准误差较大。该光滑性约束虽能够得到较致密光流场，但不能保持图像的不连续性,导致配准图像在演化过程中出现模糊现象。医学图像各个组织之间以及角点区域往往不连续，该模型配准结果会丢失感兴趣细节，成为限制光流场方法应用于医学图像配准的主要问题。且对于脑部MR图像，由于设备成像机制的影响，图像含有灰度不均匀场（常称为偏移场）现象，导致灰度不均匀，而Horn模型假设图像灰度变化不大，从而易降低该模型配准精度。
技术实现思路
为解决上述问题，本专利技术提出了基于光流场模型的图像配准与偏移场恢复耦合模型，主要是由数据项能量项和正则项能量项两部分组成。针对偏移场易导致传统配准模型配准精度不高的缺点，本专利技术将去偏场与求光流场两者相结合，纳入统一变分框架中，使得两者相辅相成，针对Horn模型全局性正则项因缺少图像信息不能准确指导光流运动不足，本专利技术引入图像结构信息来正则光流场，从而得到光滑准确的光流信息。为了达到上述目的，本专利技术提供如下技术方案：一种基于各向异性光流场与去偏移场的脑部MR图像配准方法，包括如下步骤：步骤1计算光流场(u,ν)以及偏移场B，根据求解的光流场(u,ν)作为配准的位移场，拟合得到配准后图像，光流场u通过下式运算：光流场ν通过下式运算：偏移场通过下式运算：配准后图像的运算公式为：其中，I(x,y,t)为基准图像，(x,y)为像素坐标信息,t为时间信息，新的结构张量新的结构张量对应的特征值如下：其中，0＜α＜1,ε＞0，为常数；步骤2将作为新的待配准图像，基准图像不变，计算光流场(u,ν)以及偏移场B，相应得到更新后的配准图像步骤3判断两次配准图像I3和的差值小于预先设定的阀值时，得到经步骤2更新后的光流场(u,ν)为最终配准所求位移场，得到I3为光流场模型配准结果，根据偏移场B从而恢复真实目标图像，当两次配准图像I3和的差值小于预先设定的阀值时，将I3作为下一步迭代的待配准图像，执行步骤2。作为本专利技术的一种优选方案，所述光流场u和光流场ν的公式通过如下步骤得到：步骤101将去偏移场与光流场求解两者过程相结合，纳入统一变分框架中，提出以下能量泛函：其中，I(x,y,t)为基准图像，I(x+Δx,y+Δy,t+Δt)为待配准图像，B为待恢复的偏移场，步骤102对图像采用对数变换得到下式：步骤103对采用泰勒展开式：步骤104令综合式（7）和式（9）式，将（8）可以改写如下形式：步骤105采用梯度下降流方法，得到偏移场B表达式如下：步骤106采用低通滤波对偏移场进行光滑，即：作为本专利技术的一种优选方案，所述步骤2按照预先设定的迭代次数重复执行。本专利技术将去偏移场与配准两者过程相结合，在配准同时可以恢复图像灰度不均匀场，从而降低了偏移场的影响；并且引入图像结构信息来降低配准结果模糊程度以及保留了图像结构信息，保证了边界结构信息的完整性，有利于进一步恢复真实图像。本专利技术大大提升了配准结果的精度,鲁棒性好。附图说明图1为本专利技术提供的脑部MR图像配准方法的步骤流程示意图；图2为采用本专利技术方法和现有方法进行虚拟脑MR图像配准的结果比较图，其中虚拟脑MR图像含有低对比度区域以及细长拓扑结构组织；图3为采用本专利技术方法和现有方法进行虚拟脑MR图像配准的结果比较图，其中虚拟脑MR图像含有较强的灰度不均匀现象；图4为采用本专利技术方法和现有方法进行虚拟脑MR图像配准的结果比较图，其中虚拟脑MR图像不仅含有较强的灰度不均匀现象而且含有较强噪声；图5为采用本专利技术方法和现有方法进行真实脑部图像配准的结果比较图。具体实施方式以下将结合具体实施例对本专利技术提供的技术方案进行详细说明，应理解下述具体实施方式仅用于说明本专利技术而不用于限制本专利技术的范围。要实现本专利技术提供的更为精确的图像配准，需要首先建立新的图像配准模型。基于变分方法光流场配准模型主要是由去偏变分框架和正则项能量项两部分组成。针对偏移场易导致传统配准模型配准精度不高的缺点，本专利技术将去偏场与求光流场两者相结合，纳入统一变分框架中，使得两者相辅相成。针对Horn模型全局性正则项因缺少图像信息不能准确指导光流运动不足，本专利技术将引入图像结构信息来正则光流场，使之得到光滑准确的光流信息。因此，首先我们必须建立基于光流与去偏变分框架：由于受到射频场不均匀性、设备本身、组织之间差异等影响，使得脑部MR图像同一组织像素灰度沿空间呈缓慢变化，即图像带有偏移场本文档来自技高网...

【技术保护点】
一种基于各向异性光流场与去偏移场的脑部MR图像配准方法，其特征在于，包括如下步骤：步骤1计算光流场(u,ν)以及偏移场B，根据求解的光流场(u,ν)作为配准的位移场，拟合得到配准后图像，光流场u通过下式运算：

【技术特征摘要】
1.一种基于各向异性光流场与去偏移场的脑部MR图像配准方法，其特征在于，包括如下步骤：步骤1计算光流场(u,ν)以及偏移场B，根据求解的光流场(u,ν)作为配准的位移场，拟合得到配准后图像，光流场u通过下式运算：光流场ν通过下式运算：偏移场通过下式运算：配准后图像的运算公式为：其中，I(x,y,t)为基准图像，(x,y)为像素坐标信息,t为时间信息，新的结构张量新的结构张量对应的特征值如下：其中，0＜α＜1,ε＞0，为常数；步骤2将作为新的待配准图像，基准图像不变，计算光流场(u,ν)以及偏移场B，相应得到更新后的配准图像步骤3判断两次配准图像I3和的差值小于预先设定的阀值时，得到经步骤2更新后的光流场(u,ν)为最终配准所求位移场，得到I3为光流场模型配准结果，根据偏移场B恢复真实目标图像，当两次配准图像I3和的差值小于预先设定的阀值时，将I3作为下一步迭代的待配准图像，执行步骤2。2.根据权利要求1所述的基于各向异性光流场与去偏移场的脑部MR图像配准方法，其特征在于，所述光流场u和光流场ν的公式通过如下步骤得到：步骤101将去偏移场与光流场求解两者...

【专利技术属性】
技术研发人员：陈允杰，郑钰辉，顾升华，刘文军，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏,32