本文使 用类似于 ＳＦ 特征描述子 的方式计算特征点 ＩＴ
Ｉ ０… 『 ＹＩ 那 Ｊ 是 顶 的 邻 点， ｘ ≤ ≤Ｘ ｌ『 么Ｙ 点 第ｉ 近 对 一 Ｉ ｖｌ － ｌ， － 就
ｆ ｎ ｔ ｎ ｎ ｅ ｈ ｅ ｅ ａ ｉ ｅ ａ ｅ ｔｎ ｉ ｈ ｏ ｒ ｐ ｏ ｅ ｔ ａｅ ｔ ｅ Ｒ￣ ｙ ｎ ｒ ｐ ． ｐ ｒｍｅ ｔ ｌ ｅ ｕｌ ｈｏ ｔ ａ ｅ ｐ ｏ ｓ ｄ ａｇ ｒｔ ｍ ａ ｕ ｃ ｉ ，ａ ｄ ｕｓ ｓｔ ｅｇ ｎ ｒ ｌ ｄ ｎｅ ｒ ｓ— ｅｇ ｂ ｒｇ ａ ｈ ｔ ｓｉ ｔ ｎ ｉｅ ｔｏ ｙ Ｅｘ ｅ ｉ ｎ ａ ｓ ｔ ｓ ｗ ｈ ｔｔ ｒ ｐｏ ｅ ｌ ｏ ｉ ｏ ｚ ｍ ｈ ｒ ｓ ｈ ｈ ｈｓ ｂ ｔｅ ｅ ｆ ｒ ｎ ｅｏ ｐ ｅ ， ｒ ｃ ｓｏ ｎ ｏ ｕ ｔ ｅ ｓ ｅ ｔ ｒｐ ｒ ｏ ｍａ ｃ ｆｓ ｅ ｄ ｐ ｅ ｉ ｉ ｎ ａ ｄ ｒ ｂ ｓｎ ｓ ．
［ ｙｗｏ ｄ Ｉｍｅ ｉａ ｉ ｇ ｇｓ ａｉｎ ｆａ ｒ ｏｎ； ｅ ｅａｉ ｄｎａｅｔ ｅｇ ｂｒ ｒｐ ； ６ｙ ｎｒｐ ； ｒｄｅｔＳＦ ｅｃｉｔｒ Ｋｅ ｒ ｓ ｄｃｌｍａｅｒ ｉｒｔ ；ｅｔ ｅ ｉ ｇｎ ｒｌ ｅ ｅｒｓ ｎ ｉｈ ｏ ａｈ Ｒ ｎ ｉ ｔ ｙ ｇａｉｎ； ＩＴｄｓｒ ｏ ｅ ｔ ｏ ｕ ｐ ｔ ｚ — ｇ ｅ ｏ ｐ
ｓａｅ￣ａ ｅｐ ｉｔ ｆ ｍ ｇ ｓ ｎ ａ ｕａｅ ｅｇａｉｎ ｆｒ ｔ ｎａｏ ｎ ｅｆａ ｒ ｏｎｓ ｓｔ ｅ ｎ ｉ ｍａ ｆｒ ａｉｎａ ｅｏｊｃ ｐｃ ｍｒ ｏｎｓｒ ｉ ｅ ｄｃｌ ｌ ｓｔ ｒｄｅ ｔｎｏｍａｉ ｒｕ ｄｔ ｔ ｅｐ ｉｔ，ｅｓ ｙ ｏ ｍａ ａ ｃ ｔ ｈ ｉ ｏ ｈ ｅｕ ｈ ｔ Ｒ６ ｍｕ ｌｎｏ ｔ ｓｔ ｂｅｔ ｉ ｍ ｏ ｈ
第 ３ 卷 第 ｌ 期 ８ ０
Ｖ０ ＿ ｌ ３８
・
计
算
机
工
程
２１ ０ ２年 ５月
Ｍ ａ ２ ２ ｙ ０１
ＮＯ．０ １
Ｃｏｍｐ ｔ ｒＥｎｇ ｎ ｅ ｉ ｇ ｕｅ ｉ ｅ ｒｎ
图形 图像处 理 ・
￣ｌｔｑ．１ ０－４８ ０２ｏ＿２ｏ－３ 文 ｌ ｌ ０ －３２（ １ １ ００＿０ ０ ２ ）一 献标识码ｔ Ａ
异较大情况下 ，往往 出现误 匹配 ，影响了最终 的配准结果。
基金项 目：国家 自然科学基金资助项 目（１７ １６６０３３， １００ ６０３ １， １０ １１６０３
３） ８ ；安徽省教 育厅 自 然科 学研 究基金资 助重点项 目（ Ｊ０ ９ １ ５ Ｋ ２０Ａ ４ ）
作者简介 ：卜 令斌（９９ ） 男 ， １８ － ， 硕士研究 生， 研方向 ： 主 图像处理 ，
Ｅｍａ ：ｈｎ ｂ ＠１６ ｏ － ｉ ｅｒ ｌ ２． ｍ ｌ ｙｂ ｔ
第 ３卷 ８
第 １ 期 ０
卜 令斌 ，赵海峰 ，孙登 第 ，等 ：基于 梯度广义 近邻 图的多模 医学图像 配准 （） ＝÷ ｌＥＰ ｎ ｉ
２１ ０
将其 响应值 与 同层（ 同一 尺度） 邻层（ 和 相邻 上下 ２个尺
ＢＵ ｎｇ ｂ ｎ ， Ｌｉ — ｉ ＺＨＡＯ ｉｆ ｎ ， ＵＮ ｎ ． ｉ． ＬＵＯ ｉ Ｈａ —ｅ ｇ Ｓ Ｄｅ ｇ ｄ ， ． Ｂｎ，
（． ｙＬ ｂｏ Ｉｔｌｇｎ ｍｐ ｔ ｇａ ｄＳｇ ａ ｒｃｓｉｇｏ Ｍｉｉｔ ｆ ｄ ｃｔ ｎ Ａ ｈ ｉ ｉｅｓｙ Ｈｅｅ ２ ０ ３ ， ｈｎ ； １Ｋｅ ａ ｆｎｅｌ ｅｔ ｉ Ｃｏ ｕｉ ｉｎ ｌ ｏｅｓ ｆ ｎｓｙｏ Ｅ ｕ ａ ｏ ， ｎ ｕ ｖｒｉ ， ｆｉ ３ ０ ９ Ｃ ｉａ ｎ ｎ Ｐ ｎ ｒ ｉ Ｕｎ ｔ
集 ， Ｓ为 非空的有 限正整数集 ， ｋ Ｓ中的最大元素值 。则 为 定义广义近邻图 Ｎ ｓＶ 为在顶点 Ｖ上的一个有向图：对每 Ｎ （） 个ｆ ∈Ｓ和每个顶点 ∈Ｖ，Ｘ 与其第 ｉ 邻近点构 成一个边 ，这
些 边 构 成 了 Ｎ （ ）的 边 集 ， 即 如 果 对 点 集 ＼ ＝ ＮｓＶ ｛｝
医学 图像 配 准 ， 其 是通 过 对 图像 提 取 稳 定特 征 点 描 述 图像 ， 尤
算子 在尺度 空 间上的扩展 。首先在 每一层 尺度 图像上 检测
Ｈ ｒｉ ａｒ ｓ特征点 ，然 后用 Ｌ ｐａｅ函数选择特征尺度 ，即如果 ａｌｃ
Ｌ ｐａｅ ａｌｃ 函数值在 尺度轴上与附近 ２ 个尺度上比较达 到极值并
模式识别 ；赵海峰，副教授、博士 ； 孙登第 ， 士研究生 ；罗 斌 ， 博
教授、博士生导师
本文通过抽样点方法估计互信息 ，提 出一种融合梯度信 息 的广义近邻 图医学图像配准方法。首先从 图像 中提取稳定
特征点并计算特征点处各方向梯 度值 ，然 后在梯度特征空间
收稿 日期 ：２ １— － ０１０ １ ８８
摘
要 ：提 出一种融合梯度信息的医学图像 配准算法 。提取 图像 中互补 的尺度空 问特征点 ，并计算特征点周围的梯度信 息 ，以 Ｒ ｎｉ ６ｙ 互信
息作为 目标函数 ，利用广义近邻图估计 Ｒ ｎ ｉ ６ｙ 熵。实验结果表 明，在受外界 因素影响较大的情况下 ，该算法速度较快、准确率较 高，具 有 较强 的鲁棒性 。
息 ，通过直方图估计 ２幅图像的灰度联合概率 。该类方法没
有考虑像素的空间信息 以及像素灰度值之间的依赖关系 ，忽 略了不同像素对于 图像配准 的不 同效用 ，主要应用于单模 图 像配准 。在灰度差异较 大的多模 图像配准 中该类方法精 度较
低 ，且计算量大、配准时间长。 为解决以上问题 ，许多学者提 出用基于图像特征来进行
ＤＯｈ １．９ ９ ．ｓ．０ ０３ ２ ． １ ． ． １ ０３ ６ ／ｉ ｎ１０ —４ ８ ０ ２１ ０ ｊｓ ２ ０６
１ 概 述
医学图像配准通常 是指将不同时 间、 同观察 点、不同 不 模态 的 ２ 幅图像通 过几何变换 ，使 图像上 的相关点能够 对 应，配准的结果要使 ２幅图像上的所有解剖点 ，或至少是所
２ Ｋｅ ａ ｆ ｎｕｔｉ ｇ ｒｃ ｓｉｇ＆ Ａ ａ）ｉ ｏＡｎ ｕ ｒｖｎ ｅＨｅｅ２ ０３ ． ｉａ ． ｙＬ ｂｏ ｄ ｓ ａＩ ｅ ｏ ｅｓ Ｉ ｒ ｌｍａ Ｐ ｎ ｎ １ｓｓ ｆ ｈ ｉ ｏ ｉｃ． ｆｉ ３ ０ ９Ｃｈｎ） ｒ Ｐ
［ ｓ ａｔ ｈｓｐｐ ｒ ｒｐ ｓｓ ｎａｇ ｒｈ ｆｒ ｄｃｌｍａ ｅｒｇｓ ａｉｎｆｓｄｗｉ ｒｄｅｔｎｏｍａｉ ．ｔ ｘｒｃｓ ｅｃｍｐｅ ｎ ｙ ｃｌ Ａｂ ｔ ｃ］Ｔ ｉ ａｅ ｏ ｏｅ ｌｏｉ ｍ ｉａ ｉ ｇ ｉｒｔ ｅ ｔ ｇａ ｉ ｆｒ ｔ ｎ Ｉｅ ｔ ｔｔ ｏ ｌｍｅ ｍｒ ｓａｅ ｒ ｐ ａ ｔ ｏ ｍｅ ｅ ｔ ｏ ｕ ｈ ｎｉ ｏ ａ ｈ
２ 梯度信息融合 ． ２ 在 多模 医学 图像配准问题中，虽然 ２幅 图像来源于 不同 的成像 设备 ，但是它们基于共 同的人体解剖信息 ，因此，当
２ 幅图像 的空间位置 完全一致时 ，其中一幅图像表达 的关于
算 ，速度快且鲁棒性较好 。其中 ，广义近邻 图是一种最新 的
有效方法Ｌ，其描述如下 ：定义 为欧式空间 上的有 限点 ５ Ｊ
目前 ，医学图像配准的方法主要 分为基于灰度 的方法和 基于 特征 的方法 。前一类方法采用图像 间对应像素灰度值的
某种相似性最大化 的原理实现配准 ，如互信息测度。当 ２幅
图像达到最佳 配准 时， 应像素 的灰度互信息应最大Ｌ Ｊ 对 ２ 。传
统的互信 息配准方法一般采用 Ｓａｎｎ ｈｎｏ 互信息或 Ｒ ｎｉ ６ｙ 互信
度） ２ 的 ６个邻域 点 比较 ，当当前检测点为局部极值时，即认
为它是尺度 空间上的一个特征 点。
显然 ，当 ＿ １ ÷ 时， 心 ＿ ，即 Ｓ ａｎ ｎ熵 是 Ｒ ｎ ｉ ÷ ｈｎｏ ６ｙ 熵 的一种特殊形式 。 Ｊ 熵 图理论是近 年来提 出的一种新 的估计 Ｒ ｎ ｉ熵 的方 ｅｙ 法 ，它无需计算概率而仅通过抽样样 本特征分布构 图进行计
关蝴
：医学 图像配准 ；特征点 ；广义近邻图 ； ６ｙ 熵 ；梯度 ；Ｓ Ｔ描述子 Ｒ ｎｉ Ｉ Ｆ
Ｍ ｕ ｔ－ ｏ ａ ｉ ｅ ｉ ａ ｍ ａ ｅＲｅ ｉｔ ａ ｉ ｎ ｌｉｍ ｄ ｌ ｙ Ｍ ｄ ｃ ｌ ｔ Ｉ ｇ ｇｓｒ ｔ ｏ
Ｂａ ｅ ｎ Ｇｒ ｄ ｅ ｔＧｅ ｒ ｌｚ ｄ Ｎｅ ｒ ｓ－ ｅ ｇ ｂｏ ａ ｓ ｄ ０ ａ ｉ ｎ ｎｅ ａｉ ｅ ａ ｅ ｔｎ ｉ ｈ ｒＧｒ ｐｈ
２１ 尺度空 间特征点的提取 ． 在 医学图像处理 中，Ｌ Ｇ（ａ ｌ ｉｎ ｏ ａ ｓｉ ） Ｈ ｏ Ｌ ｐａ ａ ｆＧ ｕｓ ｎ与 Ｌ ｃ ａ （ ａｒ ａ ｌ ｉ ） Ｈ ｒ ｓＬ ｐａ ａ 算子是 ２种常 用的具有尺度空间不变特性 ｉ ｃｎ
特征点提取算子 ，Ｈ 适合找寻图像中的角点 ；Ｌ Ｇ 适合寻 Ｌ ｏ 找图像的 Ｂｏ ｌｂ特征 ， ２种关键点具有互补作 用 ， 这 它们不仅 考虑医学图像 的解 剖结构信息 ，也考虑到 医学 图像 的边缘轮 廓信息 ，所以，上述 ２种特征点非常适合 医学图像配准 。 Ｈ 尺度不变特征检测算法 由文 献［］ 出，它是 Ｈａ ｉ Ｌ ５提 ｒｓ ｒ
准 时间。由于对图像间特征点 匹配 的概率无法用统计方法获
得 ，因此该类方法一般不建立 目标 函数而依赖于先匹配特征
与 Ｈ Ｌ算子不 同， ｏ Ｌ Ｇ算子只使 用标准化 的 Ｌ Ｇ函数 ： ｏ ｊ
Ｌ Ｇｘ ＝ ｏ （ ） ，
（ ） Ｌ （， ｌ ＋ ｙ ， ｙ ）
点 ，再利 用匹配关系计算图像的空间变换 。然而点匹配问题 本身就是一个 尚未得到较好解决 的难题 ，在 图像 内容变化差
中构建广义近邻图 ，根据前述理论框架估计 Ｒ ｎ ｉ ￣ｙ 熵和相应
的 Ｒ ｎ ｉ互信息【，从而得到基于特征点的配准 目标函数 ， ￣ｙ ４ 】
并优化求得配准 。