一种基于匹配曲线特征评估的图像配准自动优化算法

摘要

匹配曲线不仅能够从光滑度、尖锐度等形态特征直观描述配准性能，而且能够从峰度（kurtosis）、峰偏（peakdeviation，即全局最大值出现的位置与最优位置的偏差）、峰值（maximum，即全局最大值）以及峰值间的均方根误差（RMSE）等特征指标定量评估配准结果，当图像完全对齐时，曲线光滑、尖锐，各个自由度上的全局最大值相等，并且位于最优位置，即峰偏为0。在此基础上，本发明进一步提出一种新的基于匹配曲线特征评估的图像配准自动优化算法，以匹配曲线的峰偏来调整配准参数，以峰值间的均方根误差设定停止迭代条件，不断对配准参数进行优化，实现图像更精确配准。

主权项

1.一种新的基于匹配曲线特征评估（Matching Curve feature evaluation，MCfe）的图像配准自动优化算法，其特征在于：提出以匹配曲线的峰度、峰偏、峰值以及各曲线峰值间均方根误差（RMSE）为特征量，以峰偏来调整配准参数，以峰值间RMSE设定停止迭代条件即配准精度，自动优化各个自由度上的配准参数，实现更精确的配准，具体步骤为：第一步：读入图像，根据图像失配程度设定优化过程的迭代次数K，一般地图像之间失配越严重，算法收敛所需的迭代次数K越大；根据配准精度的要求设定配准精度e：各匹配曲线峰值间均方根误差maxinum_RMSE < e；第二步：以修正的结构相似度函数MSSIM为测度，根据配准精度的要求设定参数的变化步长，一般地变化步长越精细，配准精度将越高，给出参考图像和浮动图像各个自由度上的匹配曲线，MSSIM度量值由下式得到：（1）其中、分别代表参考图像的子图像与浮动图像的子图像（例如第对子图像表示为、），、为小的正常数，以防止分母为零而出现不稳定，、、、以及分别表示、的亮度均值、标准差以及协方差；第三步：分别按照下列公式计算各曲线的峰度、峰偏、峰值以及峰值间RMSE：1）峰度（kurtosis）（2）为样本测定值，为样本n次测定值的平均值，本文引用统计学峰度的概念，但不同之处在于样品测定值为MSSIM测度值，同样可以衡量匹配曲线在全局最大值附近的集中程度或尖锐程度;2）峰偏（peak deviation）（3）为匹配曲线的测度值，峰偏与统计学的偏度（Skewness）不同，指全局最大值（即峰值）出现的位置与最优位置的偏差，平移、旋转曲线的最优位置为0位置，缩放曲线的最优位置为1位置，图像完全对齐时，全局最大值将处于最优位置，反之，偏离最优位置，偏离度由峰偏表示，峰偏理想值为0；3）峰值（maximum）峰值指匹配曲线的全局最大值，即，图像完全对齐时，各曲线的峰值大小完全一致；4）峰值间均方根误差（Root Mean Square Error，RMSE）（4）（5）N为配准变换的自由度， maxinum_RMSE实际上相当于标准误差，峰值间RMSE反映了各曲线峰值的一致程度，因而也反映图像之间的对齐度，即配准精度，图像完全对齐时，峰值间RMSE理想值为0；第四步：判断是否满足迭代停止条件，如果不满足，按由大到小的次序对各曲线峰度值进行排序，然后把峰度值最大的匹配曲线对应的配准参数进行优化调整，调整方法为：新参数值 = 旧参数值+ a*峰偏                 （6）调整因子0< a <1，以调整后的配准参数对原始浮动图像进行空间变换，得到新的浮动图像代替原始浮动图像，重复第二步到第四步，其中重复第四步时，为了遍历每个自由度，保证每个自由度上的配准参数都能够得到优化，对新的峰度值排序后，对峰度值次大的匹配曲线对应的配准参数进行优化调整，调整方法同上，依次重复上述步骤，直至峰度值最小的匹配曲线对应的配准参数得到优化调整，如果自由度为N，则迭代N次完成一次循环，然后循环往复；如果满足迭代停止条件或者达到设定的迭代次数上限，则进入第五步；第五步： 以优化调整后的配准参数对原始浮动图像进行空间变换，由融合图像显示配准效果，同时给出匹配曲线，从曲线的光滑度和尖锐度等形态特性直观描述优化调整前后的配准性能。