[发明专利]一种基于交叉视觉皮质模型的医学图像配准方法

权利要求书

1.一种基于交叉视觉皮质模型的医学图像配准方法，适用于保形变换，包括下述步骤：

一.边缘检测步骤：

输入待配准图像H和参考图像R，分别利用sobel横向边缘提取算子Gx和sobel纵向边缘提取算子Gy对H和R中每个像素的8邻域进行卷积运算，提取目标边缘，得到待配准边缘图像H1和参考边缘图像R1；

Gx=-101-202-101,]]>Gy=121000-1-2-1;]]>

二.提取特征向量步骤，包括下述子步骤：

(2.1)初始化，设置运行次数N＝20～50，置运行次数变量n＝1，各像素状态值F_ij[0]＝0，响应矩阵Y[0]各元素值Y_ij[0]＝0，各像素阈值θ_ij[0]＝0，点火次数矩阵M[0]各元素值M_ij[0]＝0，i、j分别为待配准图像H和参考图像R中像素的横坐标和纵坐标；

(2.2)计算像素状态值F_ij[n]：

对H和R中每个像素计算像素状态值F_ij[n]：

判断H和R中的像素是否分别为H1和R1中目标边缘点，

是则：F_ij[n]＝f×F_ij[n-1]+S_ij+W_kl{Y_kl[n-1])，

否则：F_ij[n]＝f×F_ij[n-1]+S_ij+C×Y_ij[n-1]，

式中，权值矩阵元素值Wkl=1(k-i)2+(l-j)2,]]>

S_ij为该像素灰度值，k、1分别为当前像素8邻域内像素的横坐标和纵坐标，权值常数C为W_kl所有元素之和，0＜状态衰减系数f＜1；Y_kl[n]为当前像素的八邻域像素响应矩阵元素值，Y_kl[n]∈Y[n]；

Yij[n]=1Fij[n]>θij[n]0Fij[n]≤θij[n],]]>

θ_ij[n]＝g×θ_ij[n-1]+h×Y_ij[n-1]，

其中，θ_ij[n]为各像素阈值；0＜阈值衰减系数g＜1，10＜阈值常数h＜100；

(2.3)计算点火次数矩阵M[n]各元素值M_ij[n]：

Mij[n]=Mij[n-1]+1Yij[n]=1Mij[n-1]Yij[n]=0;]]>

根据上式，定义待配准图像H的点火次数矩阵M[n]为M_H[n]，参考图像R[n]的点火次数矩阵M[n]为M_R[n]；

(2.4)计算重心特征点；

分别对H和R计算M_H[n]和M_R[n]矩阵的重心特征点P_H[n]和P_R[n]：

P_H[n]的x坐标和y坐标分别为：

xH[n]=Σii×MHij[n]Σi,jMHij[n],]]>yH[n]=Σij×MHij[n]Σi,jMHij[n],]]>

P_R[n]的x坐标和y坐标分别为：

xR[n]=Σij×MRij[n]Σi,jMRij[n],]]>yR[n]=Σjj×MRij[n]Σi,jMRij[n],]]>

(2.5)置n＝n+1，判断是否n＞N，是则转子步骤(2.6)，否则转子步骤(2.2)；

(2.6)将每次迭代得到的P_H[n]和P_R[n]分别按n的顺序从上至下依次排列得到N×2的待配准图像重心特征矩阵和参考图像重心特征矩阵转步骤三；

三.计算配准参数步骤：

(3.1)计算H和R之间的x坐标平移参数Δx和y坐标平移参数Δy：

Δx=Σp=1NX→R(p)-X→H(p)N,]]>Δy=Σp=1NY→R(p)-Y→H(p)N;]]>

(3.2)计算旋转参数Δθ：

a→=(x→R)·*(y→H)-(y→R)·*(x→H),]]>

b→=(x→R).*(x→H)-(y→R).*(y→H),]]>

Δθ=Σp=1Narctan(a→(p)/b→(p))N,]]>

其中，反正切分子向量反正切分母向量向量内元素序号p＝1～N；

四.配准步骤：

(4.1)对待配准图像H进行平移变换：

x′y′=1001xy+ΔxΔy]]>

式中，x和y为H的像素坐标，x′和y′表示平移变换后待配准图像H′中像素的坐标；

(4.2)对H′进行旋转变换：

x′′y′′=cosΔθsinΔθ-sinΔθcosΔθx′y′;]]>

得到最终配准图像H″，其中x″和y″表示最终配准图像H″中像素的坐标。

2.如权利要求1所述的医学图像配准方法，其特征在于，所述提取特征向量步骤的子步骤(2.2)中：

先选定所述状态衰减系数f，再选定所述阈值衰减系数g，最后选定所述阈值常数h；

选定所述状态衰减系数f的方式为：首先设定阈值衰减系数g为0.9，设定阈值常数h＝20，让f以步长0.1从0.1变化至0.9，根据g、h和各f值计算对应的9个最终配准图像H″，分别计算每个H″与R之间的均方差MSE：

MSE=1I×JΣi=1IΣj=1J(H′′ij-Rij)2;]]>

式中：I，J分别表示H″与R的长和宽；

选取其中最小MSE值对应的最终配准图像H″.其对应的f值为选定的状态衰减系数；

选定所述阈值衰减系数g的方式为：选定状态衰减系数f后，设定阈值常数h＝20，让g以步长0.1从0.9变化至0.1，根据f、h和各g值计算对应的9个最终配准图像H″，分别计算每个H″与R之间的均方差MSE；选取其中最小MSE值对应的最终配准图像H″，其对应的g值为选定的阈值衰减系数；

选定所述阈值常数h的方式为：选定状态衰减系数f和阈值衰减系数g后，让h以步长10从10变化至100，根据f、g和各h值计算对应的10个最终配准图像H″，分别计算每个H″与R之间的均方差MSE；选取其中最小MSE值对应的最终配准图像H″.其对应的h值为选定的阈值常数。