[发明专利]一种基于互信息与图像分割的三维多模态医学图像自动配准方法

权利要求书

1.一种基于互信息与图像分割的三维多模态医学图像自动配准方法，其特征在于：包括如下步骤：

步骤S1，采用门限法和数学形态学方法进行预处理；

步骤S2，采用k-means方法进行分割；

步骤S3，采用优化算法通过迭代得到基于互信息的最优配准参数；

步骤S4，将原始的参考图像和浮动图像相叠加；

步骤S5，计算经过图像分割预处理的参考图像A的灰度直方图，并把具有相同灰度值的像素划分为一组；

步骤S6，初始化配准参数，设定六个参数初始值为零；

步骤S7，利用配准参数对浮动图像B进行线性插值产生变化后的浮动图像，对于在迭代过程中映射到参考图像之外的浮动图像上的像素点赋零值。

2.如权利要求1所述的基于互信息与图像分割的三维多模态医学图像自动配准方法，其特征在于：所述步骤S1中，所述门限法处理过程为：先设置最小灰度T，然后根据上述灰度值T进行直方图处理。设f(x,y)是一幅图像的灰度直方图，将所有f(x,y)＞T的点视为对象点，否则视为背景点。

3.如权利要求1所述的基于互信息与图像分割的三维多模态医学图像自动配准方法，其特征在于：所述步骤S1中，所述数学形态学方法处理过程为：先对图像进行腐蚀运算，再进行膨胀运算，最后进行填充操作。

4.如权利要求3所述的基于互信息与图像分割的三维多模态医学图像自动配准方法，其特征在于：所述填充操作的过程为：

先将所有非边界背景的点标记为0，再将P点设置为1，然后使用以下方法将整个区域用1填充：

此处X₀＝p，B是对称结构元素。如果X_k＝X_k-1，则算法在迭代的第k步结束。

5.如权利要求1～4之一所述的基于互信息与图像分割的三维多模态医学图像自动配准方法，其特征在于：所述步骤S2中，所述的k-means的目标函数为：

其中X为灰度图像，U为X的一个硬c划分(分割以后得到c个区域)，v为由聚类中心组成的向量。

6.如权利要求1～4之一所述的基于互信息与图像分割的三维多模态医学图像自动配准方法，其特征在于：所述步骤S3中，所述优化算法采用连续空间蚁群智能算法，连续空间蚁群智能算法搜索空间综合互信息指数的全局最优值和准确找到最佳的配准变换。

7.如权利要求6所述的基于互信息与图像分割的三维多模态医学图像自动配准方法，其特征在于：所述最优配准参数过程为：对于参考图像A，其与浮动图像B的最优化配准参数为：

α^*＝max I(A,B)。

8.如权利要求1～4之一所述的基于互信息与图像分割的三维多模态医学图像自动配准方法，其特征在于：所述步骤S4中，所述将原始的参考图像和浮动图像相叠加，是指在考虑刚体变换下，经过采样和插值，给定了两组图像之间相似性测度，通过在该变换空间下寻求最佳变换T，使得相似性测度最大，从而达到配准的目的。

9.如权利要求8所述的基于互信息与图像分割的三维多模态医学图像自动配准方法，其特征在于：所述刚体变换过程为：将具有6个自由度的刚体变换作为人脑配准的几何变换，6个自由度包括t_x，t_y，t_z三个移动自由度以及θ_x，θ_y，θ_z三个旋转自由度，刚体变换T的旋转矩阵用任意三维旋转复合矩阵的形式表示。

10.如权利要求8所述的基于互信息与图像分割的三维多模态医学图像自动配准方法，其特征在于：所述采样过程为：对于参考图像和浮动图像，定义一个三维坐标系：X轴为行扫描方向，Y轴为列扫描方向，Z轴为从颅顶到颅底的方向；

所述插值过程为：浮动图像空间采样点通过空间变换后得到的点集坐标，使用三线性插值法作为插值方法；

所述相似性测度是指使用互信息为配准的相似性测度，互信息是指，两个变量的联合概率分布与完全独立时的概率分布的广义距离。图像A和B的互信息定义为：

式中，H(A)，H(B)为两幅图像A，B的熵，H(A,B)为联合熵，a和b分别是图像A和B上的灰度值，p(a,b)为A、B的联合概率分布，p(a),p(b)为边缘概率分布，互信息与两个图像的重叠部分大小成正比。