一种基于应用的DICOM医学图像处理方法

摘要

本发明提供了一种基于应用的DICOM医学图像处理方法，该方法包括：步骤一，输入两幅待配准的DICOM图像，依次对其进行格式转换、图像去噪处理和图像分割，从分割后的图像中抽取出特征信息组成特征空间；步骤二，给定初始变换，采用线性插值方法对特征空间进行线性变换；步骤三，选择优化策略，在特征空间中寻找最优变换；步骤四，根据预定义相似度函数来测量两幅待配准的DICOM图像的相似度，如果当前变换满足预设相似度阈值，则输出该变换，否则重复步骤二和步骤三。本发明提出了改进的图像配准方法，有效提高了DICOM医学图像配准的速度和精度。

主权项

一种基于应用的DICOM医学图像处理方法，其特征在于，包括：步骤一，输入两幅待配准的DICOM图像，依次对其进行格式转换、图像去噪处理和图像分割，从分割后的图像中抽取出特征信息组成特征空间；步骤二，给定初始变换，采用线性插值方法对特征空间进行线性变换；步骤三，选择优化策略，在特征空间中寻找最优变换；步骤四，根据预定义相似度函数来测量两幅待配准的DICOM图像的相似度，如果当前变换满足预设相似度阈值，则输出该变换，否则重复步骤二和步骤三；其中，所述线性插值进一步包括：利用最近邻域点灰度值的加权平均值来表示该点灰度值，通过线性插值计算直接修改直方图的项，将每对像素对联合直方图的贡献分散到联合直方图上相邻的各个像素对，联合直方图上各点的值以小于1的小数增加，从而得到一个平滑的配准函数；并且其中，所述图像去噪进一步包括：对于每个种子像素点I(k,l,n)，选定最大搜索区域为M×M，其中k和l代表像素坐标，n代表帧数；种子像素点的8邻域像素表示为I(i,j,n)，i,j∈Ω，根据以下准则为每个像素确定一个权值：$|I(k,l,n)-I(i,j,n)|<\sqrt{2}{\sigma }_N$其中的σ_N为图像噪声标准差的估计值；通过加权平均得到该种子像素点的估计灰度值：$I_e(k,l,n)=\frac{\underset{i,j\in \Omega }{\Sigma }p(i,j)I(i,j,n)}{\underset{i,j\in \Omega }{\Sigma }p(i,j)}$其中$p(i,j)=\left\{\begin{array}{cc}1& |I(k,l,n)-I(i,j,n)|<\sqrt{2}{\sigma }_N\\ 0& I(k,l,n)-I(i,j,n)|\ge \sqrt{2}{\sigma }_N\end{array}\right.,$Ω表示8邻域像素坐标空间；然后在选定的搜索区域M×M内，以I_e(k,l,n)为种子像素点构建邻域：将邻域内的像素组成自适应邻域，得到一个像素点集合；设置空域的高斯核函数为：$g_s(i,j)=\exp (-\frac{D(I(k,l,n),I(i,j,n))}{2{\mathrm{bn}}^2})$其中D代表种子像素点I(k,l,n)和自适应邻域像素点集合中任意一点I(i,j,n)之间的欧氏距离，bn的值取最大搜索区域尺寸M的一半；设置灰度域的高斯核函数为：$g_g(i,j)=\exp (-\frac{{(I_e(k,l,n),I(i,j,n))}^2}{2{\mathrm{bn}}^2})$其中σ_N仍为图像噪声标准差的估计值，通过空间域和灰度域的高斯核函数，按下式进行滤波：$\hat{I}(k,l,n)=\frac{\underset{i,j\in V}{\Sigma }\left[g_s(i,j)g_g(i,j)I(i,j,n)\right]}{\underset{i,j\in V}{\Sigma }\left[g_s(i,j)g_g(i,j)\right]}$其中V表示自适应邻域像素点集合的坐标空间。