[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

说明书

技术领域

本发明属于基于灰度的图像配准方法，具体涉及一种基于交叉视觉皮质模型的医学图像配准方法。

背景技术

图像配准技术在遥感数据分析、计算机视觉、医学图像处理等领域都有很广泛的应用，是目标识别、图像融合、时序图像分析、变化检测等实际应用的关键步骤，在环境检测、天气预报等应用领域都有不可替代的地位。

根据所采用的图像信息，现有图像配准方法可以分为两大类：基于特征的图像配准方法和基于灰度的图像配准方法。

基于特征的图像配准方法，例如：中国专利号200680048083.5，名称为“基于点的自适应弹性图像配准”、中国专利号200810031575.4，名称为“基于直线特征图像配准中的特征匹配方法”。这类图像配准方法，依赖于特征的提取，以图像中不变特征，如点(包括角点、高曲率点等)、线、边缘、轮廓、闭合区域以及统计特征不变量比如重心等，作为图像配准的特征，要求特征提取具有可靠性和鲁棒性。

基于灰度的图像配准方法，例如：中国专利号200810019451.4，名称为“基于量子行为粒子群算法的多分辨率医学图像配准方法”，公布了利用归一化互信息作为目标函数的配准方法；中国专利号200710052491.4，名称为“一种多相似性测度图像配准方法”。这类图像配准方法，与图像的像素灰度值密切相关，不用对图像进行特征提取，通常以一定的目标函数作为测度，通过优化方法寻找最优情况下的配准参数，运行时间会有所增加。

交叉视觉皮质模型(Intersecting Cortical Model，ICM)是在脉冲耦合神经网络模型(Pulse Coupled Neural Network，PCNN)上的简化和改进，这两者被称之为第三代神经网络模型，已成功地被应用于图像分割、图像去噪、特征提取等领域。ICM具有的动态阈值、同步脉冲发放等特征非常适合于图像处理，而且同传统神经网络模型相比，它具有自适应、不需要训练和学习的优点。同时，ICM还具有平移、旋转不变性等特点。ICM模型的数学方程为：

F_ij[n]＝f×F_ij[n-1]+S_ij+W_kl{Y_kl[n-1]}，

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

θ_ij[n]＝g×θ_ij[n-1]+h×Y_ij[n-1]，