当前位置:
文档之家› 基于梯度广义近邻图的多模医学图像配准
基于梯度广义近邻图的多模医学图像配准
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 。