基于MRF模型的多模态医学图像配准方法、装置、平台及介质制造方法及图纸

本发明专利技术公开了一种基于MRF模型的多模态医学图像配准方法，具体步骤包括：输入待配准的两幅图像，分别记为固定图和浮动图；构建马尔可夫随机场模型的能量函数；将能量函数输入到改进的优化模型进行最优化计算，得到最终变换参数；对最终得到的配准结果进行显示。本发明专利技术引入了模态变换，并根据两幅通过模态变换后的图像矩阵以及原配准图像来构建新的马尔可夫能量函数，同时还通过引入一种改进的梯度下降算法来优化能量函数，从而得到配准结果。最后通过不同的医学图像进行配准实验来验证本发明专利技术，证明了本发明专利技术具有良好的有效性及抗噪性能。

Multimodal Medical Image Registration Method, Device, Platform and Media Based on MRF Model

【技术实现步骤摘要】
基于MRF模型的多模态医学图像配准方法、装置、平台及介质
本专利技术涉及医学图像处理领域，尤其涉及一种基于MRF模型的多模态医学图像配准方法、装置、平台及介质。
技术介绍
图像配准是将图像信息进行汇总并对齐图像的过程，而多模态图像配准是一种将多模态图像进行空间几何关系对齐的技术。目前，临床上的大多数需求可以被目前已有的算法满足，但是考虑到图像个体之间内容的差异性比较大，而且包含的信息也比较多，所以现今的各种配准算法中都有一定的限制因素存在，一般只能在特定情况下满足配准。考虑到在临床医学方面图像配准具有广泛的应用，而每一种不同的应用均需要不同的形变场，因此关于医学图像配准的问题并没有一种具有普适性的算法解决。目前常见的图像配准技术包括基于改进互信息和相关率的图像配准方法、基于特征点和图像分割的配准方法以及基于熵图和拉普拉斯图的图像配准方法等。其中，基于互信息的图像配准方法相比于其他图像配准方法，计算复杂度高，用时长。而基于特征点和图像分割的配准技术首先要确定标记点或分割图像，但由于超声图像质量不高，使得自动选取标记点或者图像分割的误差都比较大，人工选取标记点或人工图像分割的实时性不高。本文档来自技高网...

【技术保护点】
1.一种基于MRF模型的多模态医学图像配准方法，其特征在于，具体步骤包括：输入待配准的两幅图像，分别记为固定图和浮动图；构建马尔可夫随机场模型的能量函数；将能量函数输入到改进的优化模型进行最优化计算，得到最终变换参数；对最终得到的配准结果进行显示。

【技术特征摘要】
1.一种基于MRF模型的多模态医学图像配准方法，其特征在于，具体步骤包括：输入待配准的两幅图像，分别记为固定图和浮动图；构建马尔可夫随机场模型的能量函数；将能量函数输入到改进的优化模型进行最优化计算，得到最终变换参数；对最终得到的配准结果进行显示。2.根据权利要求1所述的一种基于MRF模型的多模态医学图像配准方法，其特征在于，所述构建马尔可夫随机场模型的能量函数，包括：S201、获取输入的待配准图像；S202、对浮动图进行处理，并将固定图与处理好的浮动图进行归一化；S203、采用权重图的形式对固定图和浮动图的对应的特殊位置进行标记；S204、计算固定图和浮动图每个像素之间的距离值，将得到的相似度函数作为数据项；S205、生成能量函数的平滑项；S206、根据数据项和平滑项得到马尔可夫随机场模型的能量函数；S207、将马尔可夫随机场模型的能量函数进行转换；S208、如果遍历完整图像的所有像素点，则结束；否则转到S204；S209、根据固定图和处理好的浮动图的归一化结果更新一次联合直方图；S210、对固定图的一个像素进行迭代，搜索在固定图中重叠次数最多的像素点；S211、对浮动图的一个像素进行迭代，搜索在浮动图中重叠次数最多的像素点；S212、判断是否遍历完整图像的所有像素点；S213、获得模态变换后的固定图与浮动图。3.根据权利要求2所述的一种基于MRF模型的多模态医学图像配准方法，其特征在于，步骤S202中对浮动图进行处理包括：平移、翻转、旋转以及在x-y方向上的尺度变换；步骤S204中根据构建的距离函数来表示相似度，表达式为：Edata＝∑s∈Vθs(xs)＝1/2σ2∑s∈V[I(xs)-J(T(x))]2其中，I(x)和J(x)分别表示二维空间中的固定图和浮动图，T(·)表示像素点x从固定图I(x)到浮动图J(x)的一个变换模型，在整个定义域Ω中，其中图像I(x)的噪声模型的期望是J(T(x))，σ2表示方差；给定图像的定义域，将得到的四个图像矩阵结合得到数据项，表达式为：Edata＝1/2σ12∑s∈V[I(xs)-J(T(x))]2+1/2σ22∑s∈V[I(xs)-Jt(T(x))]2其中，σ1和σ2为高斯白噪声模型的标准差；在步骤S205中，对于一个领域系统Ni而言，平滑项的相关计算表达式表示为：Esmooth＝λ∑s,t∈Niθst(xs,xt)＝λ∑s∈V∑t∈θln[1+(xs-xt)2]其中，λ表示一个权重值，函数θst包括分段函数、多项式函数、对数函数；所述步骤S206中得到的能量函数表示为：Emrf(X|θ)＝Edata+Esmooth在根据步骤S204和S205得到的数据项和平滑项之后，根据马尔可夫随机场模型理论可以得到一个具体的能量函数模型，表示为：Emrf＝Edata+Esmooth＝1/2σ12∑s∈V[I(xs)-J(T(x))]2+1/2σ22∑s∈V[I(xs)-Jt(T(x))]2+λ∑s,t∈Niln[1+(xs-xt)2]当图像完全配准之后，马尔可夫随机场的能量函数值将会最小；在步骤S209中，联合直方图更新的公式为：其中，N表示联合直方图的样条数；x表示当前像素点的位置；表示小于c的最大正整数值；联合直方图H(i,j)是一个二维矩阵；灰度值i在图I(x)以及灰度值j在图像J(x)中相关点具体的数目用H(i,j)来表示；模态变换公式表示为：4.根据权利要求1所述的一种基于MRF...

【专利技术属性】
技术研发人员：陆以勤，刘晓骏，覃健诚，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44