一种制造技术

本发明专利技术公开了一种

【技术实现步骤摘要】
一种X光影像骨拼接方法


[0001]本专利技术涉及医疗
，具体涉及一种
X
光影像骨拼接方法
。

技术介绍

[0002]X
光设备扫描
FOV(
视野
)
有限，针对人体较长的骨骼，需要多次扫描才能完整扫描
。
医生在诊断或手术规划时，需要分别查看不同的影像，以完整了解整个骨骼的状况，不方便医生的使用
。
[0003]对于不同影像的拼接，现有主要是基于灰度理论，验证灰度相关性来实现图像拼接
。
[0004]现有方法虽然能够实现不同影像图像的拼接，但是在解决图像畸变大
、
不连续
、
明暗变化大的图像拼接时存在困难
。

技术实现思路

[0005]鉴于现有技术中的上述缺陷或不足，期望提供一种
X
光影像骨拼接方法
。
[0006]本专利技术实施例提供了一种
X
光影像骨拼接方法，该方法包括：
[0007]S1
：获取待拼接的
X
光影像；
[0008]S2
：对
X
光影像进行预处理，去除
X
光影像中的预设信息；
[0009]S3
：将处理后的
X
光影像转化为二值图像；
[0010]S4
：提取二值图像中的骨骼轮廓；
[0011]S5
：将骨骼轮廓与肌肉及其它组织进行分割，得到骨骼轮廓线；
[0012]S6
：提取骨骼轮廓线中的特征点；
[0013]S7
：提取特征点中的关键点；
[0014]S8
：采用关键点特征向量的欧式距离作为两幅待拼接图像中关键点的相似性判读度量，当两幅待拼接图像中的两个关键点的距离小于阈值时，则判断为一对匹配点，否则视为错匹配点，并剔除；
[0015]S9
：使用改进
RANSAC
算法剔除错误匹配点后获得变换矩阵，通过变换矩阵配准影像，获得对应坐标系，并拼接影像，获得配准后的图像；
[0016]S10
：判断配准后的图像的精确度是否达到要求，若达不到要求，则调整拼接图像的位置
。
[0017]在其中一个实施例中，所述去除
X
光影像中的预设信息，包括：去除
X
光影像中的影像噪声和伪影
。
[0018]在其中一个实施例中，所述提取二值图像中的骨骼轮廓，包括：通过边缘检测和连通性分析算法从二值图像中提取骨骼轮廓
。
[0019]在其中一个实施例中，所述将骨骼轮廓与肌肉及其它组织进行分割，得到骨骼轮廓线，包括：
[0020]采用阈值分割和边缘检测将提取的骨骼轮廓与其他组织进行分离，得到骨骼轮廓
线
。
[0021]在其中一个实施例中，所述提取骨骼轮廓线中的特征点，包括：通过
SIFT
算法构建骨骼轮廓线的
DOG
尺度空间；
[0022]检测
DOG
尺度空间的极值点，当一个极值点在
DOG
尺度空间本层以及上下两层的预设个领域中为最大或最小值时，则判定为特征点
。
[0023]在其中一个实施例中，所述提取特征点中的关键点，包括：根据
DOG
尺度空间建立空间尺度函数，对空间尺度函数求导，并令其为零，得到关键点的位置；
[0024]去除低对比度的关键点和不稳定的边缘响应点；
[0025]通过三维二次函数精确确定关键点的位置和尺度
。
[0026]在其中一个实施例中，所述改进
RANSAC
算法包括：
S901
：从粗匹配结果中，随机选取四对非线性特征点匹配对组成集合
M
；
[0027]S902
：根据集合
M
计算出单应性矩阵
H
；
[0028]S903
：通过单应性矩阵
H
对粗匹配结果中的所有匹配对进行验证，并将小于阈值的点对加入到集合
M
中；
[0029]S904
：判定集合
M
的点对数是否增加，若增加，则返回步骤
S902
中继续执行；若集合
M
保持不变，则执行下一步；
[0030]S905
：若集合
M
的点对数大于当前最优单应性矩阵的点对数，则对当前单应性矩阵进行更新，否则不更新；
[0031]S906
：根据当前最优单应性矩阵的内点数更新迭代总次数，若当前迭代的次数小于总迭代次数，则返回执行步骤
S901
，反之，则当前最优单应性矩阵为最终的结果
。
[0032]在其中一个实施例中，在步骤
S9
中，所述拼接影像，获得配准后的图像，包括：
[0033]将得到的坐标系映射到图像坐标进行拼接，得到完整的骨骼图像
。
[0034]在其中一个实施例中，所述判断配准后的图像的精确度是否达到要求，若达不到要求，则调整拼接图像的位置，包括：
[0035]分别显示拼接后的图像，其中，上层图像调整到
50
％
‑
55
％透明度显示；
[0036]观察上层图像与下层图像之间的精准度，若达不到要求，则手动调整拼接图像的位置
。
[0037]本专利技术的有益效果包括：
[0038]本专利技术提供的一种
X
光影像骨拼接方法，通过对待拼接图像进行处理，提取骨骼轮廓和特征点，从而减少了匹配复杂度；通过改进
RANSAC
算法去除误匹配，进一步提高特征点匹配的准确性；通过计算图像特征点位置关系求解出图像的变换关系，再根据变换关系实现图像拼接，有效解决了不连续图像的拼接
。
该方法适用于医学领域中的影像学
、
骨科
、
放射科，可以快速
、
准确的拼接出一个完整的骨骼影像，给医生带来了极大的便利
。
附图说明
[0039]通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本专利技术的其它特征
、
目的和优点将会变得更明显：
[0040]图1示出了本专利技术实施例提供的
X
光影像骨拼接方法的流程示意图；
[0041]图2示出了本专利技术实施例提供的另一
X
光影像骨拼接方法的流程示意图；
[0042]图3示出了本专利技术实施例提供的尺度空间极值点查找示意图；
[0043]图4示出了本专利技术实施例提供的通过
SIFT
特征点提取结果的示意图；
...

【技术保护点】

【技术特征摘要】
1.
一种
X
光影像骨拼接方法，其特征在于，该方法包括：
S1
：获取待拼接的
X
光影像；
S2
：对
X
光影像进行预处理，去除
X
光影像中的预设信息；
S3
：将处理后的
X
光影像转化为二值图像；
S4
：提取二值图像中的骨骼轮廓；
S5
：将骨骼轮廓与肌肉及其它组织进行分割，得到骨骼轮廓线；
S6
：提取骨骼轮廓线中的特征点；
S7
：提取特征点中的关键点；
S8
：采用关键点特征向量的欧式距离作为两幅待拼接图像中关键点的相似性判读度量，当两幅待拼接图像中的两个关键点的距离小于阈值时，则判断为一对匹配点，否则视为错匹配点，并剔除；
S9
：使用改进
RANSAC
算法剔除错误匹配点后获得变换矩阵，通过变换矩阵配准影像，获得对应坐标系，并拼接影像，获得配准后的图像；
S10
：判断配准后的图像的精确度是否达到要求，若达不到要求，则调整拼接图像的位置
。2.
根据权利要求1所述的
X
光影像骨拼接方法，其特征在于，所述去除
X
光影像中的预设信息，包括：去除
X
光影像中的影像噪声和伪影
。3.
根据权利要求1所述的
X
光影像骨拼接方法，其特征在于，所述提取二值图像中的骨骼轮廓，包括：通过边缘检测和连通性分析算法从二值图像中提取骨骼轮廓
。4.
根据权利要求1所述的
X
光影像骨拼接方法，其特征在于，所述将骨骼轮廓与肌肉及其它组织进行分割，得到骨骼轮廓线，包括：采用阈值分割和边缘检测将提取的骨骼轮廓与其他组织进行分离，得到骨骼轮廓线
。5.
根据权利要求1所述的
X
光影像骨拼接方法，其特征在于，所述提取骨骼轮廓线中的特征点，包括：通过
SIFT
算法构建骨骼轮廓线的
DOG
尺度空间；检测
DOG
尺度空间的极值点，当一个极值点在
DOG
尺度空间本层以及上下两层的预设个领域...

【专利技术属性】
技术研发人员：张前军，池峰，
申请(专利权)人：西安盈谷网络科技有限公司，
类型：发明
国别省市：