基于边缘特征和CS信息的多模态医学图像配准方法

摘要

本发明公开一种基于边缘特征和CS信息的多模态医学图像配准方法。本发明基于广义形态滤波器原理，对形态学梯度算子进行改进，采用新的梯度滤波算子来进行图像边缘检测，从而提高图像边缘检测的运算速度和抗噪性能，快速实现图像边缘的粗检测，并确定图像边缘点的坐标和方向，为后继图像配准奠定基础；根据CS不等式，构造新的CS几何信息测度，本测度方法在数学计算过程中不涉及除法和对数运算，可有效降低图像配准的计算复杂度，提高计算效率；另外，本发明采用Powell方法进行配准参数的寻优，不必对目标函数求导，具有二次收敛性，收敛速度快，且便于编程实现。相比现有技术，本发明在计算标准差、信息量以及平均计算时间等方面性能更优，鲁棒性更好。

主权项

一种基于边缘特征和CS信息的多模态医学图像配准方法，其特征在于，包括以下步骤：步骤A、对源图像和目标图像分别进行边缘特征提取，得到目标图像和源图像的边缘特征点集合X、Y；步骤B、以源图像和目标图像的边缘特征点集合X、Y之间的距离测度DCS(X，Y)作为目标函数，把求解距离测度DCS(X，Y)最大值作为实现配准目标，对配准参数进行寻优，得到最终的配准参数，从而完成图像配准；其中，所述距离测度DCS(X，Y)如下式所示： D CS ( X , Y ) = Σ i , j p ij 2 Σ i , j ( p i p j ) 2 - [ Σ i , j p ij 2 ( p i p j ) ] 2 , 式中，pi和pj分别为X、Y的边缘概率分布，pij是X、Y的联合概率分布，i＝1，2L N1，j＝1，2L N2，N1和N2分别为待配准图像的边缘特征点集合X、Y中的边缘特征点个数。