[发明专利]一种基于多图谱标签融合的医学图像配准算法

说明书

一种基于多图谱标签融合的医学图像配准算法，涉及医学图像配准技术领域。本发明通过建立具有清晰辨识度的灰度图的图谱图像库，根据目标图像标签与图像库中图谱标签的相似性选出最佳图谱标签，将最佳图谱标签融合为一幅图像作为配准模板，并采用Demons配准算法对目标图像和配准模板进行精配准，为医生提供更直观、准确的诊断信息。同时本发明结合图像标签的灰度信息和梯度信息，通过多权重分配策略选择最佳图谱标签，有效的提高了选择的最佳标签与目标图像标签的相似性。

技术领域

本发明涉及图像配准领域，特别涉及一种基于多图谱标签融合的医学图像配准算法。

背景技术

医学图像配准技术是图像处理领域中的重要研究课题，目前已广泛应用于图像诊断，图像指导手术规划和实时介入手术导航领域中。传统的医学图像诊断中，医生常常需要将多张图像信息综合考虑进行临床判断，这对医生的经验水平有较高要求，并且带有较大的主观性。图像配准技术的目的是将两幅或多幅图像的信息映射到一幅图像中，使这些图像中的特征点或具有诊断意义的区域内的像素点达到空间位置的一致。

目前已经提出了很多配准算法，并且取得了很好的结果，但多数算法都只是针对作者自己的数据并且只适用于特定的组织，不能够很好的适用于复杂的临床应用情况。

近年来，基于多图谱的图像配准方法受到了广泛的关注，在该方法中选择的配准模板与目标图像越相似其配准结果越好，但由于不同人体组织的特异性，导致最佳配准模板的选择是一个难点。

在基于多图谱的图像配准方法中，大多只使用图像的灰度信息或只使用图像的梯度信息来选取最佳模板，由于只考虑了单一因素，因此选出的配准模板有时不是最佳配准模板。

发明内容

本发明目的是提供一种基于多图谱标签融合的医学图像配准算法，建立具有清晰辨识度的灰度图的图谱图像库，根据目标图像标签与图像库中图谱标签的相似性选出最佳图谱标签，将最佳图谱标签融合为一幅图像作为配准模板，采用Demons配准算法对目标图像和配准模板进行精配准，为医生提供更直观、准确的诊断信息。

本发明为解决上述问题采取的技术方案是：

一种基于多图谱标签融合的医学图像配准算法，所述方法的具体实现过程为：

步骤一、建立图谱图像库：

所述图像库中包含N个图谱，每个图谱Ai(i＝1,2…N)中包含一幅二维灰度图和M个该灰度图的标签Aij(j＝1,2…M)，所述标签为，在人工手动分割出的区域中划分的3×3像素大小的图像块；

步骤二、图像库中图谱图像与目标图像进行刚性配准；

步骤三、对目标图像I进行标签划分Ik(k＝1,2…m)，并根据标签Ik对图谱图像中的标签Aij进行分类；

步骤四、最佳图谱标签选取：

结合图像的灰度信息和梯度信息，通过多权重分配策略计算标签Ik与图谱标签组Bk中每个标签的相似性，选出与标签Ik最相似的图谱标签；

步骤五、将所有步骤四中选出的图谱标签融合为一幅图像作为配准模板A；

步骤六、采用Demons配准算法对目标图像I和步骤五中得到的配准模板A进行精配准。

在步骤二中，所述刚性配准具体过程为：

1)对目标图像进行平滑滤波处理，去除噪声的影响，滤波后的目标图像记为I；