[发明专利]一种基于互信息的非刚性声纳图像配准方法

权利要求书

1.一种基于互信息的非刚性声纳图像配准方法，其特征在于，包括如下步骤：

（1）确定并提取浮动图像的梯度信息：

对声纳图像中大小均为M×N的参考图像r，浮动图像f，设定阈值：

Th=12Σx=1MΣy=1N|▿r(x,y)|2M×N,]]>

其中，M，N为参考图像大小，|▽r(x,y)|为参考图像中像素点(x,y)的梯度模值，将小于阈值的梯度方向角调整为0，

αr(x,y)f(x,y)=arccos▿r(x,y)·▿f(x,y)|▿r(x,y)|·|▿f(x,y)||r(x,y)|>Th0|r(x,y)|<Th,]]>

计算参考图像和浮动图像对应像素点的梯度权函数：

ω(αr(x,y),f(x,y))=cos(2α)+12,]]>

计算参考图像和浮动图像对应像素点的梯度模值：

gr(x,y),f(x,y)=min(|▿r(x,y)|,|▿f(x,y)|)max(|(▿r(x,y)|,|▿f(x,y)|)max(|▿r(x,y)|,|▿f(x,y)|)≠01max(|▿r(x,y)|,|▿f(x,y)|)=0,]]>

获得梯度项系数：

IG(r,f)=Σr,f∈R∩Fω(αr(x,y),f(x,y))·gr(x,y),f(x,y)),]]>

对梯度项系数进行归一化：

NIG(r,f)=IG(r,f)count(r,f),]]>

其中，count(r,f)表示r，f重叠区域像素的总个数；

（2）将梯度信息和互信息的结合，构建联合互信息量：

IGMI=NIG(r,f)·NMI(r,f)，其中，NMI(r,f)为归一化互信息值；

（3）以联合互信息量作为相似性测度，进行全局刚性配准；

将IGMI作为图像配准中的相似性测度，对声纳图像进行配准；

（4）根据全局刚性配准结果，结合Active Demons模型进行非刚性声纳连续帧图像配准：

其中G_σ表示高斯滤波器，v表示从浮动图像向参考图像变化的速度场，▽r为r的梯度向量，▽f为f的梯度向量，α表示系数，可以控制扩散速度的大小，β表示权重系数。