一种基于匹配曲线特征的图像配准评估法

摘要

配准结果的定量评估，是图像配准领域的一个重要内容。许多学者提出以像素物理坐标RMSE、MSE或者像素灰度的CC、NMI等来评估配准结果，但这些方法通常用来对单模态或者回顾性多模态图像的配准进行评估，而真实的多模态图像配准由于没有准确的衡量标准，很难给出定量的评估结果。通过对图像匹配曲线的研究，本发明提出一种新的配准评估方法——匹配曲线特征评估法，以匹配曲线的峰度、峰偏、峰值以及峰值间均方根误差（RMSE）为定量评估指标，基于峰偏和峰值间RMSE给出定量评估结果。该发明不仅能够从曲线的光滑度、尖锐度等特性直观描述配准性能，并能由曲线的特征指标定量评估配准效果，对于亚像素级配准，给出的评估结果比较准确。

主权项

1.一种新的图像配准评估方法——匹配曲线特征评估法（Matching Curve feature evaluation，MCfe），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）作为定量评估指标，同时给出各个评估指标的具体定义，最后根据峰偏和峰值间RMSE给出定量评估结果，具体步骤为：第一步：对图像进行配准，得到配准参数；第二步：以得到的配准参数对原始浮动图像做空间变换，使其与参考图像配准；第三步：以修正的结构相似度函数MSSIM为测度，给出配准后的浮动图像与原始参考图像的匹配曲线，MSSIM度量值由下式得到：（1）其中为了保证曲线光滑采用样条插值法，平移以“像素”为单位，旋转角以“度”为单位，平移步长为0.2 像素，旋转步长为0.2 °，缩放步长为0.005；第四步：计算匹配曲线的峰度、峰偏、峰值以及峰值间RMSE，具体定义和计算公式如下：1）峰度（kurtosis）    峰度是用来衡量分布的集中程度或分布曲线的尖峭程度的统计量，它是和正态分布相比较的，直观看来，峰度能够反映上凸函数曲线峰值附近的尖锐度以及尾部的厚度，其定义为：（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，这种定义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）不同于统计学的偏度（Skewness），峰偏指全局最大值（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）为匹配曲线的测度值；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，各曲线的峰值大小是一致的；4）峰值间均方根误差（Root Mean Square Error，RMSE）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：（4）（5）N为配准变换的自由度，说明一点，这里的maxinum_RMSE实际上相当于标准误差；第五步：给出定量评估结果，依次为：1）计算匹配曲线平均加权峰偏（6）m和n分别为图像的行数和列数，为方向平移曲线的峰偏，为方向平移曲线的峰偏，为绕轴旋转曲线的峰偏，为一致缩放曲线的峰偏；2）给出定量评估结果由匹配曲线平均加权峰偏和全局最大值的相对误差得到评估指标：（7）由匹配曲线峰偏参数进行空间变换，设图像大小为（行列），表示空间变换矩阵，则（8）其中，，，，则配准误差定量评估值为（9）其中为整个图像的像素个数（即），和为映射模型的基准坐标，和为空间变换后的物理坐标； 当评估指标evaluation_index < 1时，匹配曲线定量评估值evaluation_RMSE能够比较准确反映图像真实的配准误差，此时配准误差通常小于2像素；当evaluation_index < 1并且evaluation_RMSE < 1时，图像配准精度一般达到了亚像素级。