结合凸包匹配和多尺度分级策略的医学图像弹性配准方法

摘要

本发明提出了一种结合凸包匹配和多尺度分级策略的医学图像弹性配准方法，解决了大角度变换的图像配准问题，并且提高了图像配准的精度。基于凸包匹配实现点云预配准，即通过等值面提取算法提取体数据表面结构，使用点云凸包表面匹配的方法获取最优刚性配准结果；通过对图像进行多尺度分块实现弹性配准，利用多尺度迭代过程对图像做不同尺度的模糊，实现由粗至细的匹配过程；以互信息量作为相似性测度，结合三线性部分体积分布插值算法，通过迭代优化得到最优弹性变换参数。

主权项

结合凸包匹配和多尺度分级策略的医学图像弹性配准方法，其特征在于，包括以下步骤：(1)分割出体数据表面结构，通过均匀采样的方式得到图像的点云数据，点云数据包括原始点云和目标点云；(2)对所述的原始点云和目标点云分别计算其三维凸包结构及其凸包表面的有向三角形集合；(3)对原始点云的任意一个有向三角形，与目标点云中的每一潜在有向三角形进行配对，计算出两个三角形之间的坐标变换参数，作为刚性预配准的候选参数；(4)以变换后的原始点云与目标点云间相似程度最大为目标，使用优化算法筛选获得最优刚性变换参数,获得最优刚性预配准结果；(5)基于获得的最优刚性预配准的结果，对源图像和参考图像做高斯模糊，设定一个模糊核序列，使得该序列中模糊核尺度连续降低，将此序列作为外部迭代方向；(6)将源图像和参考图像以逐级分块的方式分别划分为若干个子块，并将该两幅图像中具有相同空间位置关系的子块作为对应子块，划分子块数随迭代层数逐层上升；(7)计算该两幅图像中对应子块间的刚性变换参数，即通过迭代坐标变换矩阵参数，使得对应子块间的相似性测度达到最优值；(8)使用各组对应子块的刚性变换矩阵对源图像子块进行形变，子块各自的局部形变组成的全局形变对于整幅图像表现为弹性形变；(9)计算形变之后的整幅图像与参考图像间的相似性测度，以互信息量作为相似性测度；(10)若此次迭代相似性测度大于上次迭代结果，则重复步骤(7)‑(9)，直至相似性测度不再增加；(11)降低高斯模糊核的尺度，重复步骤(5)‑(10)，直至模糊核尺度降到最低，最终得到各个子块的刚性变换矩阵，从每个子块选取控制点，用薄板样条函数表示图像的全局变换。