用图像质量评估作为相似性测度的血管减影图像配准方法

摘要

本发明属于医学图像处理技术领域，具体为一种用图像质量评估(SSIM)作为相似性侧度的血管减影图像配准方法。本发明方法包括特征点提取、特征点对应关系计算和非线性变换计算等，在特征点对应关系计算中，采用SSIM测度作为相似性测度，非线性变换中采用薄板样条函数进行图像配准。本发明所提出的方法可以有效的对血管减影图像进行配准，提高血管减影的效果。而且，本发明提出的方法的配准的准确率明显好于传统的配准算法，例如使用互信息作为相似性测度的配准方法。

主权项

1.一种用图像质量评估作为相似性侧度的的血管减影图像配准方法，其特征在于具体步骤如下：首先，进行特征点提取；特征点采用手动选取，或者通过特征点选择器选取；在每个m×m像素的窗口中只采一个特征点，m为20-100的整数；然后，进行特征点对应关系计算；即对提取出的特征点在另一幅图像中寻找对应点；对于一个特征点，另一幅图像中的局部图像和这个特征点最相似的点被选择为这个特征点的对应点；也就是，对于每个特征点(x，y)，在另一幅图像中找到满足以下条件的对应点(xp，yp)：$(x_p,y_p)={\arg \max }_{x_p,y_p}S(I_l(x,y),I_m(x_p,y_p))---\left(1\right)$其中，S(.，.)是SSIM测度，Im和Il是在蒙片和活片上对应的点的局部图像区域；限制|xp-x|和|y-yp|分别不超过n；达到最大相似度的特征点的对应关系是通过穷举这个区域内的所有点的相似度，并且找出其中的相似度最大的点来达到的；n取10-50的整数；最后，根据得到的特征点的对应关系计算出两幅图片之间的非线性变换，并且通过这个非线性变换配准两幅图像；其中，使用薄板样条函数来实现配准；得到非线性变换的过程如下：根据得到的特征点的对应关系U＝{ua：a＝1，2，...，n}和V＝{va：a＝1，2，...，n}；薄板样条函数表示成以下的形式：$E_{\mathrm{TPS}\left(f\right)}=\underset{a=1}{\overset{n}{\Sigma }}{\left|\right|u_a-f\left(v_a\right)\left|\right|}^2+\lambda \int \int [\left(\frac{{\partial }^{2}f}{{\partial x}^2}\right)+2(\frac{{\partial }^{2}f}{\partial x\partial y})+(\frac{{\partial }^{2}f}{{\partial y}^2}\left)\right]\mathrm{dxdy}---\left(2\right)$其中f是在va和ua之间的变换，λ是一个用来调节薄板样条函数平滑性的约束函数；λ取值为0.1-10；对于固定的λ，存在着函数f(v)可以表示成：f(v)＝v.d+φ(v).w (3)其中v是需要变换的点集，d是一个3×3的仿射变换，w是一个n×3的非仿射变换矩阵；φ(v)是一个由薄板样条核生成的1×n向量；对于v中的每一个点，存在φa(v)，表示为φa(v)＝c||v-va||2log||v-va||，其中c是一个常量；将(3)式代入(2)式，可以得到ETPS(d，w)＝‖U-Vd-φw||2+λtrace(wTΦw) (4)其中U和V分别是由ua和va构成的矩阵；Φ是一个由φ(va)构成的n×n的矩阵；然后通过QR分解分离出仿射和非仿射的变换：$V=\left[Q_1{Q}_2\right]\left(\begin{array}{c}R\\ 0\end{array}\right)---\left(5\right)$其中Q1和Q2是正交矩阵；R是一个上三角阵；最后，w和d的解表示为：$w=Q_2{(Q_2^T\Phi Q_2+\lambda I_{N-3})}^{-1}{Q}_2^{T}U---\left(6\right)$$d=R^{-1}{Q}_1^T(U-\mathrm{\Phi w})---\left(7\right)$由此得非线性变换函数f(v)，然后函数对图像进行非线性变换，即得到配准后的图像。