一种基于轮廓特征的X线片和彩色照片配准方法技术

本发明专利技术提供一种基于轮廓曲线特征的X线片和彩色照片配准方法，由于综合利用了标志点特征和轮廓曲线特征，因此本发明专利技术方法相比于单一基于点特征的图像配准方法的配准精度要高；同时本发明专利技术由于建立在粗配准结果的基础之上，且将开曲线进行了粗匹配，因此相比于单一基于一致点漂移算法的图像配准方法的配准精度要高，且算法复杂度较低，本发明专利技术方法可适用于具有相似目标轮廓或开曲线特征的图像配准领域。

An X-ray and color photo registration method based on contour features

The invention provides an X-ray profile feature and color photo registration method based on the comprehensive utilization of the mark points, feature and contour curve, so the method of the invention compared to the single image registration method based on point feature registration accuracy is higher; at the same time the invention because based on the result of coarse registration. And will open the curve of the coarse matching, so compared to single image registration method of coherent point drift algorithm based on registration accuracy is higher, and the complexity of the algorithm is low, the method of the invention can be used in the field of image registration with similar contour or open curves.

【技术实现步骤摘要】
一种基于轮廓特征的X线片和彩色照片配准方法
本专利技术属于图像配准
，尤其涉及一种由粗到精基于轮廓曲线特征的X线片和彩色照片的多模态图像精确配准方法。
技术介绍
目前，随着智慧医疗时代的到来，医疗与计算机科学技术的高度交叉融合已经成为必然趋势，如何利用好现代科学技术处理医疗数据也成为科研工作者的主要课题之一，并帮助人类实现高效智能的医疗诊断与治疗。医疗数据有很多种，其中医学影像是现代医学研究与诊疗中的重要数据之一。常见的医学影像数据包括X线片、CT、MRI、超声图像等。不同类型的影像数据可以给医生提供更多及较全面的疾病信息，有利于医生做出正确的疾病诊断与治疗方案，帮助患者减轻或解除病痛。通常情况下，在综合利用多种影像数据时需要精确定位病灶并测量相关医学指标，为了实现这个目的，多模态图像配准技术常常被应用于该领域。多模态图像配准相对于单模态图像配准来讲，其特点在于图像数据是来自于不同类型图像传感器或设备的，也被称作多模态。由于数据来源的多样性，因此多模态图像的特征差异性大，其配准相比于单模态图像配准的难度也就大很多。从实现方式来看，图像配准可分为手动配准、计算机辅助配准和自动配准本文档来自技高网...

【技术保护点】
一种基于轮廓特征的X线片和彩色照片配准方法，其特征在于，包括以下步骤：步骤1：首先利用Canny算法分别从同一患者头部的侧位X线片和彩色照片中各得到一条连续的侧位面部软组织轮廓曲线，再根据DRLSE模型方法和迭代多项式曲线拟合算法得到两条鼻子和前额的软组织轮廓曲线，其中，侧位X线片的鼻子和前额的软组织轮廓曲线为lA，彩色照片的鼻子和前额的软组织轮廓曲线为lB；步骤2：在步骤1提取到的曲线lA和lB相同位置处分别找出4个标志点，且相同位置处的标志点两两成对，其中4个标志点分别额点、鼻尖点、软组织鼻根点以及鼻尖点和软组织鼻根点的中点；然后利用最小二乘法，根据这4对标志点估计粗配准相似变换模型的参数...

【技术特征摘要】
1.一种基于轮廓特征的X线片和彩色照片配准方法，其特征在于，包括以下步骤：步骤1：首先利用Canny算法分别从同一患者头部的侧位X线片和彩色照片中各得到一条连续的侧位面部软组织轮廓曲线，再根据DRLSE模型方法和迭代多项式曲线拟合算法得到两条鼻子和前额的软组织轮廓曲线，其中，侧位X线片的鼻子和前额的软组织轮廓曲线为lA，彩色照片的鼻子和前额的软组织轮廓曲线为lB；步骤2：在步骤1提取到的曲线lA和lB相同位置处分别找出4个标志点，且相同位置处的标志点两两成对，其中4个标志点分别额点、鼻尖点、软组织鼻根点以及鼻尖点和软组织鼻根点的中点；然后利用最小二乘法，根据这4对标志点估计粗配准相似变换模型的参数τ0；步骤3：根据粗配准相似变换模型的参数τ0对曲线lA进行相似变换得到曲线lA*，利用一致点漂移算法对曲线lA*与步骤1中的曲线lB进行曲线配准，估计出精配准相似变换模型的参数τ1；步骤4：将步骤2得到的粗配准相似变换模型的参数τ0和步骤3得到的精配准相似变换模型的参数τ1相乘，得到最终的相似变换模型的参数；根据最终的相似变换模型的参数，利用线性插值方法对步骤1的侧位X线片进行图像重采样与变换，最后将变换后的侧位X线片与步骤1的彩色照片叠加得到融合图像。2.如权利要求1所述的一种基于轮廓特征由粗到精的X线片和彩色照片配准方法，其特征在于，步骤1所述的利用Canny算法分别从同一患者头部的侧位X线片和彩色照片中各得到一条连续的侧位面部软组织轮廓曲线，具体包括以下步骤：步骤11：在侧位X线片中提取包含面部软组织结构的感兴趣区域，然后采用Gamma校正和直方图拉伸的方法先后对感兴趣区域和彩色照片做预处理，增强感兴趣区域和彩色照片的图像对比度；步骤12：利用Canny算法分别提取预处理后的感兴趣区域和彩色照片中的边缘特征，然后根据侧位X线片中标尺的位置信息剔除标尺的边缘点以及标尺邻域内的边缘点；步骤13：根据面部软组织结构边缘的邻域灰度分布特性，剔除步骤12的彩色照片和已经去除标尺的侧位X线片的边缘特征中的噪声边缘，具体的：如果以面部软组织结构的边缘为中心沿x轴方向的像素灰度分布特征表现为下降沿，则保留该边缘，否则该边缘为噪声边缘并被剔除；其中，保留下来的边缘为各个分离的曲线段形式；步骤14：在剔除噪声边缘后的感兴趣区域和彩色照片中提取侧位面部软组织的轮廓曲线，具体为：若任意相邻的两个曲线段邻接端点的欧式距离小于设定阈值thresh1，且两个曲线段邻接端点之间的矩形区域内边缘像素的数目小于设定阈值thresh2，则用直线段连接这两个曲线段的邻接端点；最终在感兴趣区域和彩色照片中分别得到一条连续的侧位面部软组织轮廓曲线。3.如权利要求2所述的一种基于轮廓特征的X线片和彩色照片配准方法，其特征在于，步骤1所述的根据DRLSE模型方法和迭代多项式曲线拟合算法得到两条鼻子和前额的软组织轮廓曲线，具体包括以下步骤：步骤15：利用DRLSE模型的方法，以步骤14中的两条连续的侧位面部软组织轮廓曲线作为初始形状模型分别对应提取出另外两条连续且光滑的侧位面部软组织轮廓曲线；步骤16：检测步骤15得到的两条侧位面部软组织轮廓曲线上的拐点，具体为：步骤161：在侧位面部软组织轮廓曲线上找出横坐标值最大的像素点，该像素点为鼻尖点；步骤162：由鼻尖点出发向上跟踪侧位面部软组织轮廓曲线，并计算鼻尖点以上部分的侧位面部软组织轮廓曲线的曲率角度，得到一维曲率角度分布图A；由鼻尖点出发向下跟踪侧位面部软组织轮廓曲线，并计算鼻尖点以下部分的侧位面部软组织轮廓曲线的曲率角度，得到一维曲率角度分布图B；步骤163：分别设定高阈值thresh_high和低阈值thresh_low，在一维曲率角度分布图A和一维曲率角度分布图B中找出所有高于thresh_high的极大值点，然后在每两个相邻的极大值点之间找出低于thresh_low的最小值点；由鼻尖点出发，向上跟踪一维曲率角度分布图A，得到的前两个低于thresh_low的最小值点则为要检测的拐点，向下跟踪一维曲率角...

【专利技术属性】
技术研发人员：李慧琦，汪淑梦，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11