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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。