利用改进的NNDR策略的医学图像配准方法技术

本发明专利技术公开了一种利用改进的NNDR策略的医学图像配准方法，属于医学图像配准领域。本发明专利技术提出了基于NNDR的改进的匹配方法INNDR，增加了次近邻的点正确匹配的情况。本发明专利技术可以显著提高正确匹配的特征点数目，从而得到更好的配准效果。实验结果表明，本发明专利技术方法相对于原有的方法和其它的准则具有显著的优势。本发明专利技术方法不仅可以找到更多数量的匹配对，而且可提高最后所匹配的准确度；本发明专利技术用参考图像测试了本发明专利技术方法，并利用定量评价验证了匹配结果。结果显示本发明专利技术方法具有较高的精度和有效性。

Medical image registration method using improved NNDR strategy

The invention discloses a medical image registration method using an improved NNDR strategy, which belongs to the field of medical image registration. The invention proposes an improved matching method based on NNDR, INNDR, which increases the correct matching of the points of the next nearest neighbor. The invention can significantly improve the number of correctly matched feature points, thus getting better registration results. The experimental results show that the method has a significant advantage over the original method and other criteria. The method can not only find more number matching pairs, but also improve the final matching accuracy. The invention has tested the method of the invention with reference images, and has verified the matching results by quantitative evaluation. The results show that the method of the invention has high accuracy and effectiveness.

【技术实现步骤摘要】
利用改进的NNDR策略的医学图像配准方法
本专利技术涉及医学图像配准领域，特别涉及一种利用改进的NNDR策略的医学图像配准方法。
技术介绍
在医学图像处理领域，随着成像设备技术的迅速发展，图像配准已经逐渐成为了一个重要的研究方向。如今，利用计算机断层(CT)、核磁共振图像(MRI)、单光子辐射计算机断层(SPECT)以及正电子辐射断层(PET)等设备能够捕捉到人体内部形态以及功能的图像。这些图像在病人的临床诊断以及治疗的过程中提供了有效的信息，对整个医疗过程带来了巨大的帮助。但是由于不同的成像设备都有各自的特性，对同一部位所得到的图像信息就存在很大的差异。比如，CT在多个角度方向上检测X射线通过人体后的衰减量之后，使用数学方法重建身体的断层图像。这样得到的图象可以清晰地显现人体的内脏器官以及骨骼的解剖结构，可是却不能显示器官的功能信息。而PET图像却恰恰相反。PET探测生理性放射核素在机体内分布的断层来显示图象，是对机体的生物化学显像。PET图像显示了机体的功能信息，但是图像并不清晰，不能形象地反映机体的形态结构。如果手动的将两种类型的图象在空间上重合会产生很大的误差，所以图像配准就有重要的意义。图像配准的目的就是将不同模式的图像通过空间变换映射到同一坐标系中，在医学图像中，可以使相应器官的影像在空间中的位置一致。通过配准后得到的图像就可以同时反映形态和功能的信息，为医疗工作提供更可靠地依据。因为图像配准的显著优点，它在病灶定位、PACS系统、放射治疗计划、指导神经手术以及检查治疗效果许多医疗工作中有着广泛的应用。并且在实际的应用中也取得了不错的效益，为医生决策提供了丰富可靠地信息。由于对医学多模图像配准后得到的效果十分明显，所以对医学图像配准的研究是很有必要的。在图像配准中，常见的匹配策略有阈值法、最近邻法(nearestneighbor,NN)以及最近邻距离比率法(nearestneighbordistanceratio,NNDR)。但是最常用的是最近邻比率法，因为NNDR在条件的设置上更全面、合理，而且从最后的匹配准确度上也能证实它的优越性。但是NNDR在匹配的时候考虑的特征点范围较小，忽略了其它可能正确匹配的特征点。这样就导致减少了最后正确匹配的特征点的数目，也影响了最后配准的精度和配准图像的效果。
技术实现思路
为了弥补现有技术的不足，解决现有技术中医学图像配准中考虑特征点范围较小，忽略了其他正确匹配的特征点，而导致减少最后正确匹配的特征点数目，影响配准精度和配准图像效果的问题，本专利技术提供了一种利用改进的NNDR策略的医学图像配准方法。术语解释1、nearestneighbordistanceratio(NNDR)，这是一种基于欧式距离的相似性度量算法。在图像配准工作中，它用于度量所寻找的特征点之间的相似性。这种算法通过阈值的设定也可以调节最后匹配的特征点的数目。2、SIFT，一种经典的特征提取方法。因为具有尺度不变性、旋转不变性以及对噪声、光线的变化都不敏感，获得了良好的效果。3、RANSAC，一种通过不断迭代寻找最优参数模型，剔除一组数据中不符合最优模型点的算法。广泛应用在图像配准以及图像拼接上。本专利技术的技术方案为：一种利用改进的NNDR策略的医学图像配准方法，包括步骤：1)输入待配准的两幅多模医学图像，其中一幅为参考图像，另一幅为目标图像；2)采用SIFT算法提取待配准图像中的特征点，给每个特征点赋予主方向，得到特征点的位置、尺度以及方向信息，使得特征点具有旋转不变性，生成128维的特征点描述子；3)目标图像与参考图像特征点匹配a)设定表示参考图像中的第r个特征点，表示目标图像中的第i个特征点；b)计算每一个和目标图像中所有特征点的欧式距离，将距离进行排序；c)计算与最近邻的点以及次近邻的点的欧式距离，满足公式(1)为最近邻匹配M1st；d)计算与次近邻的点以及第三近邻的点的欧式距离，满足公式(2)为次近邻匹配M2nd；e)考虑到存在既与最近邻的点匹配又与次近邻的点匹配的情况，确定匹配对Mt为：Mt＝(M1st∪M2nd)-(M2nd∩1st)(3)。作为优选方案，目标图像与参考图像特征点匹配之前还包括生成新的特征点描述子信息。进一步地，生成新的特征点描述子信息的方法为：将SIFT算法中描述子的信息用梯度幅值GM按数值排序，并按照从大到小分为四个级，在0-1范围内设置每个等级的值，第一级设置为1，第二级设置为0.75，第三级设置为0.5，第四级设置为0.25。作为优选方案，生成新的特征点描述子信息的方法也可以为：SIFT算法中描述子的信息用梯度幅值GM表示，增加一种新的梯度信息表示方式GO，GO中梯度变化时设置为1，梯度不变时设置为0；将128维的GM信息和128维的GO信息直接相加，变为256维的梯度信息。作为优选方案，步骤1)中，SIFT算法通过高斯金字塔建立尺度空间，然后采取高斯差分寻找尺度空间中的极值点；去除不稳定点，得到特征点。作为优选方案，步骤4)确定匹配对Mt后，使用RANSAC去除错误匹配的特征点。本专利技术的有益效果为：1、本专利技术提出了基于NNDR的改进的匹配方法INNDR，可以显著提高正确匹配的特征点数目，从而得到更好的配准效果。实验结果表明，本专利技术方法相对于原有的方法和其它的准则具有显著的优势。本专利技术方法不仅可以找到更多数量的匹配对，而且可提高最后所匹配的准确度；本专利技术用参考图像测试了本专利技术方法，并利用定量评价验证了匹配结果。结果显示本专利技术方法具有较高的精度和有效性。2、本专利技术提出的方法可用于多模医学图像的配准工作；在研究医学多模图像时，可以利用此方法分析不同成像设备得到的同一部位的信息，更清楚地知道病人的具体情况，并帮助后面的治疗措施。另外，可以将此算法用于对多模医学图像的融合工作；这样就能够得到更加充分地病人信息，提高治疗的准确性。3、在此方法中改进了特征点的梯度信息，对于医学图像处理的其它领域也有较大帮助。并且这几种结合两种梯度信息以及改进的策略各有特点，可以依据具体的应用选择某一个或者几个结合策略。4、使用了RANSAC，提高了特征点匹配的准确度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为病人A的脑部CT图像；图2为病人A的脑部MRI图像；图3为第一种评价方法针对图1、图2中图像采用本专利技术方法和现有的SIFT方法匹配准确率的评价结果对比图；图4为第二种评价方法针对图1、图2中图像采用本专利技术方法和现有的SIFT方法匹配准确率的评价结果对比图。具体实施方式实施例1一种利用改进的NNDR策略的医学图像配准方法，具体步骤包括：1)输入待配准的两幅多模医学图像，其中一幅作为参考图像，另一幅作为目标图像；2)提取特征点，建立描述子；采取SIFT算法提取待配准图像中的特征点，SIFT通过高斯金字塔建立尺度空间，然后采取高斯差分寻找尺度空间中的极值点；去除一些不稳定点以后，得到最后的特征点。为了使得特征点具有旋转不变性，给每个特征点赋予主方向。本文档来自技高网...

【技术保护点】
一种利用改进的NNDR策略的医学图像配准方法，其特征在于，包括步骤：1)输入待配准的两幅多模医学图像，其中一幅为参考图像，另一幅为目标图像；2)采用SIFT算法提取待配准图像中的特征点，给每个特征点赋予主方向，得到特征点的位置、尺度以及方向信息，使得特征点具有旋转不变性，生成128维的特征点描述子；3)目标图像与参考图像特征点匹配a)设定

【技术特征摘要】
1.一种利用改进的NNDR策略的医学图像配准方法，其特征在于，包括步骤：1)输入待配准的两幅多模医学图像，其中一幅为参考图像，另一幅为目标图像；2)采用SIFT算法提取待配准图像中的特征点，给每个特征点赋予主方向，得到特征点的位置、尺度以及方向信息，使得特征点具有旋转不变性，生成128维的特征点描述子；3)目标图像与参考图像特征点匹配a)设定表示参考图像中的第r个特征点，表示目标图像中的第i个特征点；b)计算每一个和目标图像中所有特征点的欧式距离，将距离进行排序；c)计算与最近邻的点以及次近邻的点的欧式距离，满足公式(1)为最近邻匹配M1st；d)计算与次近邻的点以及第三近邻的点的欧式距离，满足公式(2)为次近邻匹配M2nd；e)考虑到存在既与最近邻的点匹配又与次近邻的点匹配的情况，确定匹配对Mt为：Mt＝(M1st∪M2nd)-(M2nd∩1st)(3)。2.如权利要求1所述利用改进的NNDR策略...

【专利技术属性】
技术研发人员：吕国华，颜晗，任晓强，董祥军，
申请(专利权)人：齐鲁工业大学，
类型：发明
国别省市：山东,37