The invention relates to a differential homeomorphic demon image registration method, a system and a storage medium, the method comprises the following steps: S1, selecting a reference image s and a floating image f; S2, setting an initial deformation displacement field t
【技术实现步骤摘要】
微分同胚Demons图像配准方法、系统及存储介质
本专利技术是关于一种基于自适应步长的微分同胚Demons图像配准方法、系统、计算机程序及存储介质，涉及医学图像处理
技术介绍
Demons图像配准方法源于光流学模型，是基于图像灰度自动的非刚性图像配准方法，该算法实现简单并且计算效率高，因此吸引了大量研究者对其进行深入研究。针对原始Demons算法存在的一些问题，研究人员分别提出了主动Demons算法、对称Demons算法以及微分同胚Demons算法。其中，主动Demons算法和对称Demons算法主要适用于形变较大图像之间的配准，并且配准精度更高，收敛速度更快。而微分同胚Demons算法则可以生成可逆的变形场，保持图像的拓扑结构。图像配准实质上是一个优化过程，通过优化找到一个映射关系，使基于浮动图像和参考图像生成的能量函数达到最小，最终使浮动图像经过坐标变换后的体素与参考图像中体素所指向的解剖结构位置在空间一致。研究人员从最小化能量函数(包括相似性测度和正则化项)的角度重新解释了Demons算法，得出微分同...
【技术保护点】
1.一种微分同胚Demons图像配准方法，其特征在于，包括以下步骤：/nS1、选择参考图像s和浮动图像f；/nS2、设置初始形变位移场t
【技术特征摘要】
1.一种微分同胚Demons图像配准方法，其特征在于，包括以下步骤：
S1、选择参考图像s和浮动图像f；
S2、设置初始形变位移场t0；
S3、选择Demons力计算更新位移场u；
S4、对更新位移场u进行高斯卷积；
S5、采用adam优化算法对浮动图像每个体素处更新的位移自适应调整步长，并更新初始的形变位移场t0，得到空间变换c；
S6、对空间变换c进行高斯卷积得到更新的形变位移场tn，n是迭代次数；
S7、采用更新的形变位移场tn对浮动图像f进行空间变换得到变形后的浮动图像f'；
S8、判断是否迭代终止，若是则输出更新的形变位移场tn；否则转向步骤S3。
2.根据权利要求1所述的微分同胚Demons图像配准方法，其特征在于，初始形变位移场t0采用与参考图像大小相同的单位矩阵。
3.根据权利要求1所述的微分同胚Demons图像配准方法，其特征在于，选择Demons力计算更新位移场u，具体为：
Demons力为原始Demons力、主动Demons力或对称Demons力，分别对应于原始Demons算法、主动Demons算法以及对称Demons算法，选择Demons力计算更新位移场u，其中，
原始Demons力的表达式为：
主动Demons力的表达式为：
对称Demons力的表达式为：
式中，f代表浮动图像，s代表参考图像，(f-s)是两幅图像对应体素灰度值的差异，和分别对应浮动图像和参考图像的梯度，u＝(ux,uy,uz)是每个体素在x、y和z方向的位移量，是归一化因子，u的上限是
4.根据权利要求1～3任一项所述的微分同胚Demons图像配准方法，其特征在于，对更新位移场u采用u←Kfluid*u进行高斯卷积，其中，Kfluid即是高斯滤波器的σ值。
5.根据权利要求1～3任一项所述的微分同胚Demons图像配准方法，其特征在于，采用优化算法对浮动图像每个体素处更新的位移自适应调整步长，并更新初始的形变位移场t0，得到空间变换c，具体过程为：
S51、基于u更新有偏差的一阶矩和二阶矩m和v，其中：
mn←β1·mn-1+(1-β1)·u
vn←β2·vn-1+(1-β2)·u2
式中，β1是一阶矩估计的指数衰减率，β2是二阶矩估计的指数衰减率，m和v是中间变换矩阵，其初始设置为零矩阵，在每次迭代中更新，n为迭代次数；
S52、更新无偏差的一阶矩和二阶矩和其中：
...
【专利技术属性】
技术研发人员：马圆圆，李强，刘新国，戴中颖，张晖，戴天缘，
申请(专利权)人：中国科学院近代物理研究所，
类型：发明
国别省市：甘肃;62
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。