[发明专利]一种非刚性医学图像配准方法

说明书

技术领域

本发明属于图像处理领域，具体涉及应用于医学图像的非刚性配准方法。

背景技术

图像配准(Image Registration)技术是指将两幅或者多幅在不同取景设备、不同取景时间或者不同取景环境等不同条件下获得的图像进行匹配的过程。图像配准被应用于许多方面，例如运动分析，视频压缩与编码，目标跟踪以及图像稳定等。现阶段非刚性配准的方法主要分为基于特征的配准方法和基于灰度的配准方法。基于特征的配准算法速度较快，但是对于特征不明显的图像有局限性，典型的算法有SIFT(Scale-invariant Feature Transform)方法；基于灰度的配准方法可以对小形变图像进行高精度的配准，但配准时间较长，典型的算法有Demons方法，Active Demons方法，引入了多分辨率策略的改进Active Demons(MIAD)方法，基于B样条的自由形变方法等。

B样条(Basic Spline)方法最早由D.Rueckert等应用于图像配准中，他们在乳房MR图像的非刚性配准中应用并发展了Seungyong Lee等提出的用于离散数据插值的多层级均匀B样条算法，提出了基于B样条的自由形变(Free-Form Deformation，FFD)配准方法，获得了较好的结果，后续的一些方法主要也都基于此方法上的一些改进，如：J.A.Schnabel和D.Rueckert等则在此基础上继续改善算法，提出了非均匀多层级FFD配准方法，提高了配准效率；张红颖等提出了一种基于区域相似性的自动寻找对应标记点的方法，利用多层级B样条进行插值，能得到比较快速精确的配准结果。Marco Mora等修改了原有的B样条参数模型，约束了控制点组成的网格，使得形变更加平滑。但是经典的基于多层级B样条的自由形变配准方法对于形变较大或局部扭曲较大的一些图像，无法得到较精确的配准结果。

发明内容

针对经典的基于多层级B样条的自由形变(Free-Form Deformation，FFD)配准方法对于形变较大或局部扭曲较大的一些图像，无法很好地模拟出其形变场，无法得到较为准确的结果的问题，本发明提出一种非刚性医学图像配准方法。

本发明的一种非刚性医学图像配准方法，包括以下步骤：

步骤1：读取参考图像S和浮动图像M，并将S和M转化为double类型；

步骤2：对两幅图像进行高斯平滑处理，并对其进行仿射变换，返回仿射变换参数矩阵；

步骤3：在经典多层B样条自由形变配准方法的代价函数上引入控制点参数矩阵的Frobenius范数项作为L₂规范正则项，作为新的配准模型(L₂-Norm FFD)，在经典的基于多层级B样条的自由形变配准方法中，其代价函数由相似性测度和平滑约束两项组成，表达式为：

式中，ψ表示控制点参数矩阵，T表示配准的空间变换，I(x_o，y_o)表示参考图像，I(x，y)表示浮动图像，T(I(x，y))表示配准后的结果，λ表示平滑约束系数，C_similarity和C_smooth(T)分别表示相似性测度和空间变换的平滑约束，在式(1)的基础上引入了控制点参数矩阵的Frobenius范数项作为L₂规范正则项，其表达式为：

式中，||ψ||_F表示引入的控制点参数矩阵的Frobenius范数项，λ_L为控制该项权重的系数。

步骤4：利用参考图像和配准结果计算客观评价指标，为方法做出评价。

所述步骤3具体包括以下步骤：

(3-1)设置L₂-Norm FFD模型的参数，包括选用的相似性测度、L₂-Norm正则项系数、平滑约束项系数、初始间距、B样条层数；

(3-2)设B样条层数为M(M>1)，开始非刚性变换：

(3-2-1)制作第1层初始形变网格，计算相似性测度，进行第1层B样条网格形变；

(3-2-2)将控制点参数矩阵代入能量函数，采用L-BFGS算法对能量函数进行优化求解，直到找到最小值；

(3-2-3)返回控制点参数矩阵；

(3-3)加密第1层B样条网格，开始第2层形变，其实现步骤同(3-2)；

(3-4)加密第M-1层B样条网格，开始第M层形变，其实现步骤同(3-2)，结束形变；