技术领域
[0001] 本发明涉及图像处理，特别涉及一种图像配准方法。
相关背景技术
[0002] 在智慧医疗平台的应用领域中，通常需要将不同来源的多幅影像学图像同时自动配准，以此来辅助医生进行客观的诊断。如MR(Magnetic Resonance)图像和CT(Computed Tomography)图像的配准成功率高于MR图像和PET(Position EmissionTomography)图像的配准成功率。然而，现有技术使用高维联合直方图进行配准，增加了存储空间和计算量，32
例如，4幅256灰度级的灰度图像进行配准时，对应联合直方图的大小为2 (4GB)字节，这已经超过了一些计算机性能范围。对于彩色图像，计算量、存储量和处理时间将进一步增加。
[0003] 因此，针对相关技术中所存在的上述问题，目前尚未提出有效的解决方案。
具体实施方式
[0015] 下文与图示本发明原理的附图一起提供对本发明一个或者多个实施例的详细描述。结合这样的实施例描述本发明，但是本发明不限于任何实施例。本发明的范围仅由权利要求书限定，并且本发明涵盖诸多替代、修改和等同物。在下文描述中阐述诸多具体细节以便提供对本发明的透彻理解。出于示例的目的而提供这些细节，并且无这些具体细节中的一些或者所有细节也可以根据权利要求书实现本发明。
[0016] 本发明在配准度量中增加RGB分量形态变化约束；对同一幅图像不同RGB分量之间的几何形态变化结果进行算术平均。图1是根据本发明实施例的图像配准方法流程图。
[0017] 多幅RGB图像配准总度量值是由两函数项的代数和构成。第一项El是对数似然函数，第二项Er是定义的RGB分量形态变化约束。总度量值定义如下:
[0018] Etotal＝El–λEr其中:λ是正实数加权系数；El是似然函数 的对数。
[0019]
[0020]
[0021] 其中:p表示施加几何形态变化θ后，在位置x处颜色值向量 的概率密度函数；表示概率模型中的参数。
[0022] 对于RGB图像，几何形态变化θ＝(θ1，θ2，…，θD)T，D表示RGB图像数量。θi＝(θir，θig，θib)T是第i幅RGB图像的几何形态变化。如果RGB图像的每一个彩色分量几何形态变化具有M个元素(例如，缩放，位移，旋转等)，那么RGB分量形态变化θi*可以表示为θi*＝(θi*1，θi*2，…，θi*M)，从而θ中总元素个数为3MD个。
[0023] RGB格式图像的分量形态变化约束Er定义如下:
[0024] Er＝ln Ep
[0025]*
[0026] 对总度量值函数Etotal进行最大化寻优，得到最优几何形态变化参数θ 。*
[0027] θ＝argmax(Etotal)*
[0028] 最后对θ进行平均处理，得到该幅RGB图像的最优形态变化参数θi*，公式如下:
[0029]
[0030] 下面用符号K表示概率模型中概率密度函数个数，μk和σk表示第k个概率密度函数的均值和方差，则概率密度函数定义如下:
[0031]
[0032] 其中:πk是加权系数，满足
[0033] 正态分布函数定义如下:
[0034]
[0035] 最优化过程：
[0036] 配准过程将寻优合适的 和θ参数，找到最大化总度量值函数Etotal。最优化过程包括两个步骤:估计概率密度参数 调整几何形态变化参数，逼近最优θ*。
[0037] 1.估计概率密度
[0038] 几何形态变化参数θ保持固定不变，估计概率密度函数中参数 通过式(8)可以看到，参数 包括πk、μk和σk。算法包括期望步骤和最大化步骤两个步骤。
[0039] 期望步骤:
[0040] 属于第k类概率密度分布的概率如下:
[0041] 其中:k是整数，且满足1≤k≤K，
[0042] 最大化步骤:
[0043] 根据期望步骤结果τkx，估计πk、μk和σk参数。公式如下:
[0044]
[0045]
[0046]
[0047] 2.调整几何形态变化参数θ
[0048] 保持不变，调整几何形态变化参数θ。为了求解θ，令Etotal关于θ的一阶偏导数等于0。
[0049]
[0050] El关于θ的一阶偏导数结果如下:
[0051]
[0052] 其中 表示θ的微小增量。
[0053] 第二项Er是关于θ的一阶偏导数。
[0054]
[0055] 引入几何形态变化增量 由泰勒展开式得:
[0056]
[0057] 结合以上公式得:
[0058]其中，Ep是关于向量θ的一阶偏导数:
[0059]
[0060] 其中:
[0061]
[0062]
[0063]
[0064] 继续求偏导数，得Ep关于向量θ的二阶偏导数，
[0065]
[0066] 其中U＝diag[U1U2...UD]是常数块对角矩阵，其中:Ui(1≤i≤D)是大小为Toeplitz型矩阵：Ui＝toep[2，0，…，0，-1，0，…，0，-1，0，…，0]，在三个相邻非零整数间的零元素个数是M-1个。
[0067] 由总度量值偏导数:
[0068] 结合 和 代入上式并移项合并，得:
[0069]进一步
[0070]
[0071] 简化为:
[0072]
[0073]
[0074] 其中:
[0075]
[0076] A+λG＝W
[0077]
[0078] 解方程得到:
[0079]
[0080] 增量 用来更新几何形态变化参数:
[0081]
[0082] 循环迭代执行估计概率密度和调整几何形态变化参数θ。当循环次数达到预先设置好的预先设置的整数阈值，或者 的模小于预先设置的小数阈值，结束循环迭代，并输出*最优估计θ。
[0083] 综上所述，本发明对医学多幅图像进行配准，通过对分量几何形态变化差进行取模和累加，定义了RGB分量约束，与对数似然函数的代数和构成了总度量值。估计联合概率密度分布，通过求解线性方程得到微小几何形态变化增量。通过对这两个过程进行循环迭代，得到最优几何形态变化参数。配准后的图像联合概率密度分布较为集中，对应性强，算法复杂度低，满足实时性要求。
[0084] 显然，本领域的技术人员应该理解，上述的本发明的各模块或各步骤可以用通用的计算系统来实现，它们可以集中在单个的计算系统上，或者分布在多个计算系统所组成的网络上，可选地，它们可以用计算系统可执行的程序代码来实现，从而，可以将它们存储在存储系统中由计算系统来执行。这样，本发明不限制于任何特定的硬件和软件结合。
[0085] 应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
