一种基于共形几何代数（CGA）的医学图像配准方法和系统技术方案

本发明专利技术公开了一种基于共形几何代数(CGA)的医学图像配准方法和系统，基于CGA高斯Laplace变换算法对参考图像和浮动图像分别进行CGA特征点提取，得到参考图像特征点和浮动图像特征点，根据CGA球体构建算法，分别利用参考图像特征球和浮动图像特征球构建参考图像特征球和浮动图像特征球，在共形几何代数空间中，利用参考图像特征球和浮动图像特征球确定变换关系，基于共形变换关系对参考图像和浮动球图像进行配准。由于共形几何代数具有丰富统一的计算方式，能够将复杂的几何运算和矩阵运算简化，减少配准数据参数、降低几何变换复杂度、简化计算量并加快计算速度，同时共形几何代数能直接处理高维信息，未丢失医学图像的维度信息，使得医学图像配准精度更高。

【技术实现步骤摘要】
一种基于共形几何代数(CGA)的医学图像配准方法和系统
本专利技术涉及医学图像配准领域，尤其涉及一种基于几何代数(ConformalGeometricAlgebra，CGA)的医学图像配准方法和系统。
技术介绍
现有技术中的医学图像配准大多是针对二维图像的配准，因为2D/2D医学图像配准(表示2D的参考图像与2D的浮动图像进行配准)易实现、速度快、成本低。但是对二维图像的配准没有考虑到使用高维度信息时的情况，在维度信息比较高的情况下，3D/3D医学图像配准(表示3D的参考图像与3D的浮动图像进行配准)更能满足临床医学、手术导航中的要求。目前，3D/3D图像配准存在数据参数多、几何变换复杂度高及计算量很大的问题。
技术实现思路
本专利技术的主要目的在于提供一种基于共形几何代数的医学图像配准方法和系统，可以解决3D/3D图像配准数据参数多、几何变换复杂度高及计算量很大的技术问题。为实现上述目的，本专利技术第一方面提供一种基于共形几何代数的医学图像配准方法，其特征在于，所述方法包括：基于CGA高斯Laplace变换算法对参考图像和浮动图像分别进行共形几何代数CGA特征点提取，得到参考图像特征点和浮动图像特征点，所述参考图像与所述浮动图像均为医学图像；根据CGA球体构建算法，分别利用所述参考图像特征点和所述浮动图像特征点构建参考图像特征球和浮动图像特征球；在共形几何代数空间中，利用所述参考图像特征球和所述浮动图像特征球确定变换关系，基于所述变换关系对所述参考图像和所述浮动图像进行配准，所述变换关系包括旋转、平移和缩放。为实现上述目的，本专利技术第二方面提供一种基于共形几何代数的医学图像配准系统，其特征在于，所述系统包括：提取模块，用于基于CGA高斯Laplace变换算法对参考图像和浮动图像分别进行几何代数CGA特征点提取，得到参考图像特征点和浮动图像特征点，所述参考图像与所述浮动图像均为医学图像；构建模块，用于根据CGA球体构建算法，分别利用所述参考图像特征点和所述浮动图像特征点构建参考图像特征球和浮动图像特征球；确定配准模块，用于在共形几何代数空间中，利用所述参考图像特征球和所述浮动图像特征球确定变换关系，基于所述变换关系对所述参考图像和所述浮动图像进行配准，所述变换关系包括旋转、平移和缩放。本专利技术提供一种基于共形几何代数的医学图像配准方法和系统。由于本专利技术利用了共形几何代数及几何代数中的共形几何代数，二者均具有丰富统一的计算方式，能够将复杂的线性运算和矩阵运算简化，且为几何变换提供更为简单直接的表达，能减少配准数据参数、降低几何变换复杂度、简化计算量并加快计算速度，同时利用几何代数能直接处理高维信息的优点，未丢失医学图像的维度信息，使得医学图像配准精度更高。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，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术第一实施例中一种基于共形几何代数的医学图像配准方法的流程示意图；图2为为本专利技术第一实施例中步骤101的细化步骤及之后步骤的流程示意图；图3为本专利技术第一实施例中利用CGA特征点构建CGA特征球的示意图；图4为本专利技术第一实施例中步骤103的细化步骤的流程示意图；图5为本专利技术第一实施例中参考图像特征球和浮动图像特征球的变换关系示意图；图6为本专利技术第二实施例中一种基于共形几何代数的医学图像配准系统的结构示意图；图7为本专利技术第二实施例中提取模块201的细化模块的结构示意图；图8为本专利技术第二实施例中构建模块202的细化模块的结构示意图；图9为本专利技术第二实施例中确定配准模块203的细化模块的结构示意图。具体实施方式为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而非全部实施例。基于本专利技术中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。由于现有技术中存在3D/3D图像配准数据参数多、几何变换复杂度高及计算量很大的技术问题。为了解决上述技术问题，本专利技术提出一种基于共形几何代数的医学图像配准方法和系统。由于本专利技术利用了共形几何代数，具有丰富统一的计算方式，能够将复杂的线性运算和矩阵运算简化，且为几何变换提供更为简单直接的表达，能减少配准数据参数、降低几何变换复杂度、简化计算量并加快计算速度，同时利用几何代数能直接处理高维信息的优点，未丢失医学图像的维度信息，使得医学图像配准精度更高。请参阅图1，为本专利技术第一实施例中一种基于共形几何代数的医学图像配准方法的流程示意图。具体的，该方法包括：步骤101，基于CGA高斯Laplace变换算法对参考图像和浮动图像分别进行CGA特征点提取，得到参考图像特征点和浮动图像特征点，参考图像与浮动图像均为医学图像；需要说明的是，CGA高斯Laplace变换算法是将经典几何中高斯Laplace变换算法延伸拓展到共形几何代数(ConformalGeometricalgebra，CGA)空间中，该算法不仅具有平移不变性、旋转不变性、稳定性和鲁棒性强的优点，还利用几何代数直接处理高维信息、简化计算量。对于一幅N维图像ei2＝-1，i＝1，2，...，N，IΣ(a，b)表示一个从a到b的超箱式区域内所有像素之和，其中a和b是多重向量，即a＝a1e1+a2e2+....，+aNeN，b＝b1e1+b2e2+....，+bNeN，可以推断出IΣ(a，b)共形几何代数表示可以表示为：进一步的，请结合参阅图2，为本专利技术第一实施例中步骤101的细化步骤及之后步骤的流程示意图。具体的，该步骤包括：步骤1011，分别根据参考图像与浮动图像求取参考图像的CGA积分图像和浮动图像的CGA积分图像；其中，CGA积分图像的公式为：m＝1，2，3其中，IΣ(X)表示所述参考图像或者所述浮动图像的GA积分图像，proj(X，em)表示点X在em方向上的投影，I(x)为表征所述参考图像或者所述浮动图像的参数，表示所述医学图像在em方向上的分量，im是与em方向相关的标注，m取值为1或者2或者3；共形几何代数是基于传统的三维欧式空间进行扩展的，三维空间有三个基向量m＝1，2，3，与代表原点的基向量和无穷远点的基向量e0.e∞＝-1。或者3；步骤1012，基于CGA高斯Laplace变换算法，分别将所述参考图像的CGA积分图像和所述浮动图像的CGA积分图像，与长方体滤波器进行卷积得到所述参考图像的图像尺度空间和所述浮动图像的图像尺度本文档来自技高网...

【技术保护点】
1.一种基于共形几何代数的医学图像配准方法，其特征在于，所述方法包括：/n基于CGA高斯Laplace变换算法对参考图像和浮动图像分别进行共形几何代数CGA特征球提取，得到参考图像特征点和浮动图像特征球，所述参考图像与所述浮动图像均为医学图像；/n根据CGA球体构建算法，分别利用所述参考图像特征点和所述浮动图像特征球构建参考图像特征球和浮动图像特征球；/n在共形几何代数空间中，利用所述参考图像特征球和所述浮动图像特征球确定变换关系，基于所述变换关系对所述参考图像和所述浮动图像进行配准，所述变换关系包括旋转、平移和缩放。/n

【技术特征摘要】
1.一种基于共形几何代数的医学图像配准方法，其特征在于，所述方法包括：
基于CGA高斯Laplace变换算法对参考图像和浮动图像分别进行共形几何代数CGA特征球提取，得到参考图像特征点和浮动图像特征球，所述参考图像与所述浮动图像均为医学图像；
根据CGA球体构建算法，分别利用所述参考图像特征点和所述浮动图像特征球构建参考图像特征球和浮动图像特征球；
在共形几何代数空间中，利用所述参考图像特征球和所述浮动图像特征球确定变换关系，基于所述变换关系对所述参考图像和所述浮动图像进行配准，所述变换关系包括旋转、平移和缩放。


2.根据权利要求1所述的方法，其特征在于，所述基于CGA高斯Laplace变换算法对参考图像和浮动图像分别进行CGA特征点提取，得到参考图像特征点和浮动图像特征点的步骤具体包括：
分别根据所述参考图像与所述浮动图像求取所述参考图像的CGA积分图像和所述浮动图像的CGA积分图像，所述CGA积分图像的公式为：












m＝1，2，3
其中，I∑(X)表示所述参考图像或者所述浮动图像的GA积分图像，proj(X，em)表示点X在em方向上的投影，I(x)为表征所述参考图像或者所述浮动图像的参数，表示所述医学图像在em方向上的分量，im是与em方向相关的标注，m取值为1或者2或者3；共形几何代数是基于传统的三维欧式空间进行扩展的，三维空间有三个基向量与代表原点的基向量和无穷远点的基向量e0.e∞＝-1
基于CGA高斯Laplace变换算法，分别将所述参考图像的CGA积分图像和所述浮动图像的CGA积分图像，与长方体滤波器进行卷积得到所述参考图像的图像尺度空间和所述浮动图像的图像尺度空间，分别在所述参考图像的图像尺度空间和所述浮动图像的图像尺度空间的每一层图像上。
根据近似高斯Laplace变换检测图像的极值点，得到所述参考图像特征点和所述浮动图像特征点，所述参考图像或者所述浮动图像高斯Laplace变换为：



其中，表示所述参考图像或者所述浮动图像f高斯Laplace变换值。


3.根据权利要求2所述的方法，其特征在于，所述根据近似高斯Laplace变换用于检测图像的极值点，得到所述参考图像特征点和浮动图像特征点的步骤之后还包括：
分别选取以所述参考图像特征点和所述浮动图像特征点为中心，由配准的多模态构建预设第一立方体邻域，将所述第一立方体邻域在每个维度上分为三个子区域，对于每一个子区域，计算所有像素点的哈尔小波响应值及哈尔小波响应值绝对值的求和，得到对应子区域的描述子，所述描述子的计算公式为：
v＝∑d1e1+∑d2e2+∑d3e3+∑|d1|e1+∑|d2|e2+∑|d3|e3



其中，Cv表示与子区域对应的共形几何代数描述子，∑dmem表示在em方向上的所有像素点的哈尔小波响应值的求和，∑|dm|em表示在em方向上的所有像素点的哈尔小波响应值绝对值的求和，m取值为1或者2或者3。


4.根据权利要求1所述的方法，其特征在于，所述根据CGA球体构建算法，分别利用所述参考图像特征点和浮动图像特征点构建参考图像特征球和浮动图像特征球的步骤具体包括：
选取任意邻近的四个CGA特征点，构造一个CGA特征球A∧B∧C∧D。在CGA特征A，CGA特征B，CGA特征C，CGA特征D构建的球体上或球体内寻找是否存在CGA特征点，若存在CGA特征点D，再构造球A∧B∧C∧E，A∧B∧E∧D，A∧E∧C∧D，E∧B∧C∧D，如果存在CGA特征点A不在CGA特征B，CGA特征C，CGA特征D，CGA特征E构建的特征球E∧B∧C∧D内，就可以确定邻近的五个CGA特征点中含其中四个点的最小球E∧B∧C∧D。


5.根据权利要求1所述的方法，其特征在于，所述在共形几何代数空间中，利用参考图像特征球和浮动图像特征球确定变换关系，基于所述变换关系对所述参考图像和浮动图像进行配准的步骤具体包括：
分别确定所述参考图像特征球和所述浮动图像特征球的球心和半径，根据所述球心和所述半径确定变换线和变换方向，所述变换线的计算公式为：
L＝rIE+e∞mIE
其中，L表示所述变换线，r表示所述参考图像特征球的球心c1，m表示球心c1到浮动图像特征球的球心c2距离，e∞表示无穷远点；
根据所述变换线和所述变换方向计算平移算子缩放因子λ＝r2/r1和缩放算子并根据所述平移算子、所述缩放因子和所述缩放算子对所述参考图像和所述浮动图像进行配准，所述配准公式为：



其中，nL表示所述变换方向，r2表示所述浮动图像特征球的半径，r...

【专利技术属性】
技术研发人员：曹文明，钟建奇，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东;44