主权项 |
一种基于互信息的非刚性声纳图像配准方法,其特征在于,包括如下步骤:(1)确定并提取浮动图像的梯度信息:对声纳图像中大小均为M×N的参考图像r,浮动图像f,设定阈值: <mrow> <mi>Th</mi> <mo>=</mo> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <msqrt> <munderover> <mi>Σ</mi> <mrow> <mi>x</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <munderover> <mi>Σ</mi> <mrow> <mi>y</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mfrac> <msup> <mrow> <mo>|</mo> <mo>▿</mo> <mi>r</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>|</mo> </mrow> <mn>2</mn> </msup> <mrow> <mi>M</mi> <mo>×</mo> <mi>N</mi> </mrow> </mfrac> </msqrt> <mo>,</mo> </mrow>其中,M,N为参考图像大小,|▽r(x,y)|为参考图像中像素点(x,y)的梯度模值,将小于阈值的梯度方向角调整为0, <mrow> <msub> <mi>α</mi> <mrow> <mi>r</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>=</mo> <mfenced open='{' close=''> <mtable> <mtr> <mtd> <mi>arccos</mi> <mfrac> <mrow> <mo>▿</mo> <mi>r</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>·</mo> <mo>▿</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> <mrow> <mo>|</mo> <mo>▿</mo> <mi>r</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo>·</mo> <mo>|</mo> <mo>▿</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>|</mo> </mrow> </mfrac> </mtd> <mtd> <mo>|</mo> <mi>r</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo>></mo> <mi>Th</mi> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mo>|</mo> <mi>r</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo><</mo> <mi>Th</mi> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> </mrow>计算参考图像和浮动图像对应像素点的梯度权函数: <mrow> <mi>ω</mi> <mrow> <mo>(</mo> <msub> <mi>α</mi> <mrow> <mi>r</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mi>cos</mi> <mrow> <mo>(</mo> <mn>2</mn> <mi>α</mi> <mo>)</mo> </mrow> <mo>+</mo> <mn>1</mn> </mrow> <mn>2</mn> </mfrac> <mo>,</mo> </mrow>计算参考图像和浮动图像对应像素点的梯度模值: <mrow> <msub> <mi>g</mi> <mrow> <mi>r</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>=</mo> <mfenced open='{' close=''> <mtable> <mtr> <mtd> <mfrac> <mrow> <mi>min</mi> <mrow> <mo>(</mo> <mo>|</mo> <mo>▿</mo> <mi>r</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo>,</mo> <mo>|</mo> <mo>▿</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo>)</mo> </mrow> </mrow> <mrow> <mi>max</mi> <mrow> <mo>(</mo> <mo>|</mo> <mrow> <mo>(</mo> <mo>▿</mo> <mi>r</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> <mo>|</mo> <mo>,</mo> <mo>|</mo> <mo>▿</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo>)</mo> </mrow> </mrow> </mfrac> </mtd> <mtd> <mi>max</mi> <mrow> <mo>(</mo> <mo>|</mo> <mo>▿</mo> <mi>r</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo>,</mo> <mo>|</mo> <mo>▿</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo>)</mo> </mrow> <mo>≠</mo> <mn>0</mn> </mtd> </mtr> <mtr> <mtd> <mn>1</mn> </mtd> <mtd> <mi>max</mi> <mrow> <mo>(</mo> <mo>|</mo> <mo>▿</mo> <mi>r</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo>,</mo> <mo>|</mo> <mo>▿</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo>)</mo> </mrow> <mo>=</mo> <mn>0</mn> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> </mrow>获得梯度项系数: <mrow> <mi>IG</mi> <mrow> <mo>(</mo> <mi>r</mi> <mo>,</mo> <mi>f</mi> <mo>)</mo> </mrow> <mo>=</mo> <munder> <mi>Σ</mi> <mrow> <mi>r</mi> <mo>,</mo> <mi>f</mi> <mo>∈</mo> <mi>R</mi> <mo>∩</mo> <mi>F</mi> </mrow> </munder> <mi>ω</mi> <mrow> <mo>(</mo> <msub> <mi>α</mi> <mrow> <mi>r</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>)</mo> </mrow> <mo>·</mo> <msub> <mi>g</mi> <mrow> <mi>r</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>)</mo> <mo>,</mo> </mrow>对梯度项系数进行归一化: <mrow> <mi>NIG</mi> <mrow> <mo>(</mo> <mi>r</mi> <mo>,</mo> <mi>f</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mi>IG</mi> <mrow> <mo>(</mo> <mi>r</mi> <mo>,</mo> <mi>f</mi> <mo>)</mo> </mrow> </mrow> <mrow> <mi>count</mi> <mrow> <mo>(</mo> <mi>r</mi> <mo>,</mo> <mi>f</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>,</mo> </mrow>其中,count(r,f)表示r,f重叠区域像素的总个数;(2)将梯度信息和互信息的结合,构建联合互信息量:IGMI=NIG(r,f)·NMI(r,f),其中,NMI(r,f)为归一化互信息值;(3)以联合互信息量作为相似性测度,进行全局刚性配准;将IGMI作为图像配准中的相似性测度,对声纳图像进行配准;(4)根据全局刚性配准结果,结合Active Demons模型进行非刚性声纳连续帧图像配准:其中Gσ表示高斯滤波器,v表示从浮动图像向参考图像变化的速度场,▽r为r的梯度向量,▽f为f的梯度向量,α表示系数,可以控制扩散速度的大小,β表示权重系数。 |