一种基于ICP算法和B样条的锥形束CT和CT图像配准方法技术

本发明专利技术涉及一种基于ICP算法和B样条的锥形束CT和CT图像配准方法，包括：获取待配准图像和参考图像；对所述待配准图像和参考图像进行图像分割，将所述待配准图像中的目标物分割出来并提取出待配准图像点集数据，将所述参考图像中的目标物分割出来并提取参考图像点集数据；对所述待配准图像点集数据和参考图像点集数据进行ICP仿射配准，根据所述ICP配准结果获取仿射变换阵；根据所述仿射变换阵对所述待配准图像进行仿射配准；对所述仿射配准结果和所述参考图像进行B样条弹性配准。本发明专利技术融合了ICP算法快速的优点和B样条弹性配准精确的优点，可以在保证配准精度的前提下，提高配准效率，从而实现快速、准确的图像配准。

【技术实现步骤摘要】
一种基于ICP算法和B样条的锥形束CT和CT图像配准方法
本专利技术涉及医学图像、计算机视觉、图像处理等领域，具体为一种基于ICP算法和B样条的锥形束CT和CT图像配准方法。
技术介绍
锥形束CT具有成像快、非侵入性、低辐射等优点，并且它能够实时的显示病人软组织和骨骼信息，因此锥形束CT成像技术可用于实时手术导航中。然而在骨科手术导航中，由于CT成像对骨骼的清晰度较高，所以术中锥形束CT图像常常要与术前CT图像进行图像配准以进行精准治疗。但是骨科患者的病变部位可能产生变形，从而导致锥形束CT和CT进行配准时的精度成为难点，并且配准的速度也是手术导航中弹性配准的技术重点。目前锥形束CT和CT图像的配准大致分为两种：基于特征点的配准和基于体素的配准。这两种配准方法的优势有所不同，基于特征的配准方法只使用局部特征作为配准要素，所以其配准的速度较快，但由于舍弃一部分图像信息，因此其精确度有所欠缺。基于体素的配准方法由于使用了图像的全部像素点信息，所以其配准准确度较高。但是计算量庞大导致基于体素的配准的速度较慢。近年来，将两种方法结合的混合算法相继出现，但仍未应用到锥形束CT和CT图像配准中。
技术实现思路
针对以上问题，本专利技术提供了一种基于ICP算法和B样条的锥形束CT和CT图像配准方法，这种方法结合基于点集的配准(ICP算法)和基于体素的配准(B样条配准)，将基于点集的配准结果作为基于体素配准的初值可以快速进行配准，同时基于体素的配准也使本专利技术的方法具有很高的精度，因此本专利技术可以快速准确的配准图像，满足其在实时骨科手术导航中的应用。为实现上述目的，本专利技术提供如下技术方案：一种基于ICP和B样条的锥形束CT和CT图像配准方法，步骤如下：为实现上述目的，本专利技术提供如下技术方案：一种基于ICP和B样条的锥形束CT和CT图像配准方法，步骤如下：步骤1：获取待配准图像(CT图像)I1和参考图像(锥形束CT图像)I2；步骤2：对所述待配准图像和参考图像进行图像分割，将所述待配准图像中的目标物分割出来并提取其坐标点，然后对坐标点进行采样生成点集数据P＝{p1,p2,…,pt}，其中p1,p2,…,pt表示目标物的坐标点，t表示点集P中坐标点个数，将所述参考图像中的目标物分割出来并提取其坐标点，然后对坐标点进行采样生成点集数据Q＝{q1,q2,…,qt},其中q1,q2,…,qt表示目标物的坐标点，点集Q中坐标点个数同点集P中的个数一样；步骤3：对所述待配准图像点集数据P和参考图像点集数据Q进行基于点集的配准即ICP仿射配准，其步骤主要为：首先对所述仿射变换阵Maffine进行初始化；利用仿射变换阵Maffine对所述待配准点集P进行变换得到点集P，即P，＝P*Maffine；然后使用公式计算所述参考图像点集Q和P，之间的均方误差，其中pi和qi分别表示第i个坐标点；使用LBFGS算法不断优化Maffine对均方误差求最小化，得到最优解Maffine；步骤4：根据所述仿射变换阵Maffine对所述待配准图像进行仿射配准得到ICP配准图像Iicp；步骤5：将获取的ICP配准图像Iicp作为基于体素的配准初值，即对所述仿射配准结果Iicp和所述参考图像I2进行B样条配准得到最终结果Ifinal。优选的，所述步骤2中的对所述待配准图像和参考图像进行图像分割的步骤，包括：对所述待配准图像和参考图像的像素灰度进行归一化为[0,255]；对所述归一化处理后的待配准图像和参考图像进行阈值分割；对所述阈值分割后的待配准图像和参考图像进行像素坐标点提取和采样并生成点集数据。优选的，对所述待配准图像和参考图像的像素灰度进行归一化时采用的公式为：其中g和g，分别表示归一化后灰度值和原始图像CT值，A和B分别用公式A＝wc-ww/2，B＝wc+ww/2，其中ww表示图像上CT值的窗口范围，wc表示图像上CT值窗口中心。优选的，对所述归一化处理后的待配准图像和参考图像进行阈值分割的目标物为骨骼区域，其中骨骼的CT值范围为[100,1000],使用归一化公式计算其灰度值。优选的，所述阈值分割后的待配准图像和参考图像进行像素坐标点提取和采样并生成点集数据时首先提取出256灰度级中骨骼范围的坐标点，然后对提取出的坐标点进行1/50等间距采样得到点集图像。优选的，所述步骤5中，B样条配准采用多分辨率B样条弹性配准方法，步骤为：使用公式对输入图像进行高斯平滑处理，根据图像大小进行降采样实施多分辨率配准，先将图像在低分辨进行B样条粗配准。首先初始化控制点，然后对两幅图像的相似度测量，通过对相似度值的判断修改控制点，将修改后的控制点代入B样条变换函数对待配准图像进行变换。使用优化方法不断修改控制点对相似度值进行最小化求解，从而得到最终配准结果Ifinal。优选的，所述多分辨率配准的分辨率层数分为1到3层，每层中XYZ轴最小分辨率参数分别设为128×128×10,256×256×20,512×512×40。优选的，所述步骤5中的B样条配准所用变换模型为B样条函数，用公式求取像素点在(x，y，z)位置处的形变场，其中其中表示向下取整，φi,j,k表示x，y，x轴控制点间距分别为δi,δj,δk，大小为nx×ny×nz的网格中序号为ijk的控制点的值，其中i，j，k为了求像素点在(x,y,z)处的位移值T(x,y,z)仅与相邻的43个控制点有关；Bl,Bm,Bn均为三次B样条函数基函数，Bl表示B样条函数中第l个基函数，其计算公式为B0(u)＝(1-u)3/6，B1(u)＝(3u3-6u2+4)/6，B2(u)＝(-3u3+3u2+3u+1)/6，B3(u)＝u3/6,其中0≤u≤1Bm和Bn的计算同Bl，这些函数起到权函数的作用，他们根据控制点到(x,y,z)的距离大小来加权每个控制点对T(x,y,z)的贡献。优选的，所述多分辨率配准的每层分辨率的B样条网格间距分别设为：32×32×16,16×16×8,8×8×4。优选的，所述相似度测量和优化方法采用灰度均方差作为相似度测量，优化方法选用LBFGS算法。本专利技术与现有技术相比的优点在于：本专利技术基于ICP和B样条的锥形束CT和CT图像配准方法，采用结合基于点的配准和基于体素的配准，在对锥形束CT和CT图像配准时，相对于传统方法具有速度快的同时保持配准精度高的特点，可以很好的应用于基于锥形束CT成像技术的骨科手术导航系统中。附图说明图1为基于ICP和B样条的配准方法流程图；图2为对图像分割和点云提取采样后的点集；其中a是从锥形束CT图像中获取的点集，b是从CT图像中获取的点集；图3为对点集图像进行ICP配准的效果展示；其中a为ICP配准前的点集图像，b为ICP配准后的点集图像；图4为本专利技术配准效果展示图；其中a为初始锥形束CT图像，b为初始CT图像，c为ICP配准结果，d为最终配准结果；图5为仿真图像生成原理展示图；其中a为生成标准形变场过程示意图，b为生成目标形变场过程示意图；图6为配准结果的差值对比；其中a为配准前初始锥形束CT和CT图像的差值图，b为ICP配准结果与初始锥形束CT图像的差值图，c为最终配准结果与初始锥形束CT图像的差值图；图7为配准误差的直方图显示。具体实施方式由于锥形束CT和CT图像取自不同本文档来自技高网...

【技术保护点】
一种基于ICP算法和B样条的锥形束CT和CT图像配准方法，其特征在于，所述方法包括：步骤1：获取待配准图像，即CT图像I

【技术特征摘要】
1.一种基于ICP算法和B样条的锥形束CT和CT图像配准方法，其特征在于，所述方法包括：步骤1：获取待配准图像，即CT图像I1和参考图像，即锥形束CT图像I2；步骤2：对所述待配准图像和参考图像进行图像分割，将所述待配准图像中的目标物分割出来并提取其坐标点，然后对坐标点进行采样生成点集数据P＝{p1,p2,…,pt}，其中p1,p2,…,pt表示目标物的坐标点，t表示点集P中坐标点个数，将所述参考图像中的目标物分割出来并提取其坐标点，然后对坐标点进行采样生成点集数据Q＝{q1,q2,…,qt},其中q1,q2,…,qt表示目标物的坐标点，点集Q中坐标点个数同点集P中个数相同；步骤3：对所述待配准图像点集数据P和参考图像点集数据Q进行基于点集的配准即ICP仿射配准，其步骤主要为：首先对所述仿射变换阵Maffine进行初始化；利用仿射变换阵Maffine对所述待配准点集P进行变换得到点集P，即P，＝P*Maffine；然后使用公式计算所述参考图像点集Q和P，之间的均方误差，其中pi和qi分别表示第i个坐标点；使用LBFGS算法不断优化Maffine对均方误差求最小化，得到最优解Maffine；步骤4：根据所述仿射变换阵Maffine对所述待配准图像进行仿射配准得到ICP配准图像Iicp；步骤5：将获取的ICP配准图像Iicp作为基于体素的配准初值，即对所述仿射配准结果Iicp和所述参考图像I2进行B样条配准得到最终结果Ifinal。2.根据权利要求1所述的基于ICP算法和B样条的锥形束CT和CT图像配准方法，其特征在于：所述步骤2中的对所述待配准图像和参考图像进行图像分割的步骤，包括：对所述待配准图像和参考图像的像素灰度进行归一化为[0,255]；对所述归一化处理后的待配准图像和参考图像进行阈值分割；对所述阈值分割后的待配准图像和参考图像进行像素坐标点提取和采样并生成点集数据。3.根据权利要求2所述的基于ICP算法和B样条的锥形束CT和CT图像配准方法，其特征在于：所述的对所述待配准图像和参考图像的像素灰度进行归一化，采用如下公式：其中g和g，分别表示归一化后灰度值和原始图像CT值，A和B分别用公式A＝wc-ww/2，B＝wc+ww/2，其中ww表示图像上CT值的窗口范围，wc表示图像上CT值窗口中心。4.根据权利要求2所述的基于ICP算法和B样条的锥形束CT和CT图像配准方法，其特征在于：所述对所述归一化处理...

【专利技术属性】
技术研发人员：李海，刘帅，
申请(专利权)人：中国科学院合肥物质科学研究院，
类型：发明
国别省市：安徽,34