非特征的3D图像快速刚性配准方法技术

本发明专利技术提供了一种非特征的3D图像快速刚性配准方法。该非特征的3D图像快速刚性配准方法，采用泰勒展开式和最小二乘法，通过迭代计算获得收敛时的几何变换参数，实现了3D图像快速刚性配准，能够获得较高的精度和速度，可以在3D图像采集数据大幅减少的情况下进行有效计算。

【技术实现步骤摘要】
非特征的3D图像快速刚性配准方法
本专利技术涉及图像融合和图像序列监测
，具体涉及一种非特征的3D图像快速刚性配准方法。
技术介绍
3D图像在应用中越来越受欢迎。例如在MRI(磁共振成像)中，人们习惯于从3D物体中获取一组3D图像来研究3D物体(如：患者的头部)的生物机制。为了合理地去比较同一个对象在不同时刻两个3D图像的差异，需要事先对其进行配准(IR)。图像配准技术广泛的应用在医疗成像，目标跟踪，遥感技术，指纹和脸部识别，图像压缩和视频增强等场合。文献中存在的大部分的2D图像配准方法大致可以分为基于特征和基于灰度方法的两类。基于特征的方法首先要考虑选取两张图像的两个特征集，然后去寻找能够很好的匹配两个特征集的几何变换F。常用的特征包括角点、LBP、SURF、质心或模板，还有图像灰度函数得到的退化像素。由于特征提取通常是一个耗时多、随意性强且具有挑战性的任务，最近IR研究更多关注直接对两幅图像灰度值的变换F，包括基于参数的转换，和更灵活的非参数的转换。一些2D图像配准方法被引入到3DSlicer软件包(http://slicer.org/)中从而推广到3D情况下。最近比较流行的ICP算法是基于点云数据集，点云数据是3D扫描设备产生的，主要用来代表物体的外表面形状，而现实中很多的3D图像是存放整个图像的各个位置的灰度信息(比如MRI图像)，基于点云的配准算法不适用这些情况。综上可知，现有的一些配准方法在用于3D图像配准时，往往存在配准结果不准确的问题。
技术实现思路
在下文中给出了关于本专利技术的简要概述，以便提供关于本专利技术的某些方面的基本理解。应当理解，这个概述并不是关于本专利技术的穷举性概述。它并不是意图确定本专利技术的关键或重要部分，也不是意图限定本专利技术的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。鉴于此，本专利技术提出一种非特征的3D图像快速刚性配准方法，以至少解决现有配准方法在用于3D图像配准时存在配准结果不准确的问题。根据本专利技术的一个方面，提供了一种非特征的3D图像快速刚性配准方法，所述非特征的3D图像快速刚性配准方法包括：步骤一、获得实际参考图像ZR(xi,yj,zk)和实际移动图像ZM(xi,yj,zk)；执行步骤二；步骤二、估计下式中的和其中，和分别表示移动图像fM(x,y,z)在(x,y,z)上的一阶偏导数f′Mx(x,y,z)、f′My(x,y,z)和f′Mz(x,y,z)的估计函数；(xi,yj,zk)∈Ω表示参考图像与移动图像对应位置的像素点，i,j,k指的是各像素点的位置下标，ZM(xi,yj,zk)表示的是实际移动图像，Kh是以单位圆支撑的核函数，Kh(x,y,z)＝(1-x2)(1-y2)(1-z2)，h＞0是一个带宽参数；执行步骤三；步骤三、由Θ＝(XTX)-1XTY获取参数Θ的当前估计值其中，Θ＝(α,β,γ,Δx,Δy,Δz)T，其中，X是n3×6设计矩阵，它的第[(i-1)n2+(j-1)n+k]行元素是由确定的；Y是n3维向量，它的第[(i-1)n2+(j-1)n+k]元素由ZR(xi,yj,zk)-ZM(xi,yj,zk)确定；根据参数Θ的当前估计值确定几何变换函数F的当前估计值其中，执行步骤四；步骤四、判定当前是否满足以及若是，执行步骤六；否则，执行步骤五；其中，ε1和ε2为0至1之间的实数；步骤五、根据几何变换函数F的当前估计值对当前ZM(xi,yj,zk)进行变换，将ZM(xi,yj,zk)变换后的值记为并用更新ZM(xi,yj,zk)后返回执行步骤二；步骤六、将参数Θ的当前估计值确定为计算结果，以完成图像配准。进一步地，ε1＝ε2＝0.1。进一步地，在定义几何变换函数F(x,y,z)时，(x,y,z)是fM(x,y,z)的像素点；||F(x,y,z)-(x,y,z)||小于预设实数，以使fM(F1(x,y,z),F2(x,y,z),F3(x,y,z))的泰勒展开式有效。现有技术中，大都基于特征点和针对特定的约束条件，带来了特征选择耗时多，随机性强，而且约束条件使用不灵活等问题。相比之下，本专利技术的非特征的3D图像快速刚性配准方法针对这些问题，提出直接使用图像灰度值的无特征3D刚性配准方法，该方法使用泰勒展开式和最小二乘法直接计算待配准图像的变换参数，并且使用较少的数据点完成快速的配准。本专利技术的算法能够获得较高的精度，并且在数据减少时仍可以有效计算；而且，该方法在需要使用数据压缩的应用里是非常实用的，提出的方法适合于应用在当数据量较大或者需要快速进行图像配准场合。通过以下结合附图对本专利技术的最佳实施例的详细说明，本专利技术的这些以及其他优点将更加明显。附图说明本专利技术可以通过参考下文中结合附图所给出的描述而得到更好的理解，其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分，而且用来进一步举例说明本专利技术的优选实施例和解释本专利技术的原理和优点。在附图中：图1是示意性地示出本专利技术的非特征的3D图像快速刚性配准方法的一个示例的结构图。本领域技术人员应当理解，附图中的元件仅仅是为了简单和清楚起见而示出的，而且不一定是按比例绘制的。例如，附图中某些元件的尺寸可能相对于其他元件放大了，以便有助于提高对本专利技术实施例的理解。具体实施方式在下文中将结合附图对本专利技术的示范性实施例进行描述。为了清楚和简明起见，在说明书中并未描述实际实施方式的所有特征。然而，应该了解，在开发任何这种实际实施例的过程中必须做出很多特定于实施方式的决定，以便实现开发人员的具体目标，例如，符合与系统及业务相关的那些限制条件，并且这些限制条件可能会随着实施方式的不同而有所改变。此外，还应该了解，虽然开发工作有可能是非常复杂和费时的，但对得益于本公开内容的本领域技术人员来说，这种开发工作仅仅是例行的任务。在此，还需要说明的一点是，为了避免因不必要的细节而模糊了本专利技术，在附图中仅仅示出了与根据本专利技术的方案密切相关的装置结构和/或处理步骤，而省略了与本专利技术关系不大的其他细节。本专利技术的实施例提供了一种非特征的3D图像快速刚性配准方法，所述非特征的3D图像快速刚性配准方法包括：步骤一、获得实际参考图像ZR(xi,yj,zk)和实际移动图像ZM(xi,yj,zk)；执行步骤二；步骤二、估计下式中的和其中，和分别表示移动图像fM(x,y,z)在(x,y,z)上的一阶偏导数f′Mx(x,y,z)、f′My(x,y,z)和f′Mz(x,y,z)的估计函数；(xi,yj,zk)∈Ω表示参考图像与移动图像对应位置的像素点，i,j,k指的是各像素点的位置下标，ZM(xi,yj,zk)表示的是实际移动图像，Kh是以单位圆支撑的核函数，Kh(x,y,z)＝(1-x2)(1-y2)(1-z2)，h＞0是一个带宽参数；执行步骤三；步骤三、由Θ＝(XTX)-1XTY获取参数Θ的当前估计值其中，Θ＝(α,β,γ,Δx,Δy,Δz)T，其中，X是n3×6设计矩阵，它的第[(i-1)n2+(j-1)n+k]行元素是由确定的；Y是n3维向量，它的第[(i-1)n2+(j-1)n+k]元素由ZR(xi,yj,zk)-ZM(xi,yj,zk本文档来自技高网...

【技术保护点】
非特征的3D图像快速刚性配准方法，其特征在于，所述非特征的3D图像快速刚性配准方法包括：步骤一、获得实际参考图像ZR(xi,yj,zk)和实际移动图像ZM(xi,yj,zk)；执行步骤二；步骤二、估计下式中的

【技术特征摘要】
1.非特征的3D图像快速刚性配准方法，其特征在于，所述非特征的3D图像快速刚性配准方法包括：步骤一、获得实际参考图像ZR(xi,yj,zk)和实际移动图像ZM(xi,yj,zk)；执行步骤二；步骤二、估计下式中的和其中，和分别表示移动图像fM(x,y,z)在(x,y,z)上的一阶偏导数fM′x(x,y,z)、fM′y(x,y,z)和fM'z(x,y,z)的估计函数；(xi,yj,zk)∈Ω表示参考图像与移动图像对应位置的像素点，i,j,k指的是各像素点的位置下标，ZM(xi,yj,zk)表示的是实际移动图像，K...

【专利技术属性】
技术研发人员：宋华军，任鹏，吴玉兴，于玮，钟鑫，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东,37