[发明专利]一种基于自适应邻域选择的MR图像配准方法

说明书

本发明涉及一种基于自适应邻域选择的MR图像配准方法，首先，构造正定对称的协方差矩阵，协方差的空间结构是一个高维黎曼流形，在乘法和可逆条件下形成李群；其次，基于李群可由单位元的一个任意小领域生成，我们利用样本点邻域的局部切空间来表示李群流形的非线性几何结构；再次，通过流形学习方法自适应地选择邻域大小，提高局部切空间的线性化程度越高；最后，最小化代价函数得到最优变换空间，进而配准输出。本发明通过流形学习方法自适应地选择邻域大小，形成线性子空间，达到更好地逼近切空间的目的，进而在空间变换中保持图像的拓扑结构，最终提高图像配准的精度。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种MR图像配准方法。

背景技术

正常情况下，配准后的解剖结构图像与参考图像应具有相同的拓扑结构，不会产生新的组织，原有的结构不会消失，形变域也不会出现撕裂，折叠，空洞等不合理的物理结构。微分同胚是一种平滑，连续和可逆的变换，能够使解剖结构图像变形后的拓扑结构保持不变，在医学图像配准中是一个重要的应用，如下。

在文献[1](Marsland S,Twining C J.Constructing diffeomorphicrepresentations for the groupwise analysis ofnonrigid registrations ofmedicalimages[J].IEEE transactions on medical imaging,2004,23(8):1006-1020.)，Marsland等把微分同胚变换看作时变速度场，用测地插值样条基构造变换。

在文献[2](Beg M F,Miller M I,TrouvéA,et al.Computing largedeformation metric mappings via geodesic flows ofdiffeomorphisms[J].Internationaljournal ofcomputer vision,2005,61(2):139-157.)，Beg等提出LDDMM算法在速度场空间利用基于欧拉-拉格朗日方程的变分方法求解大形变的微分同胚变换，采用梯度下降法更新形变参数。

在文献[3](Ashburner J,Friston K J.Diffeomorphic registration usinggeodesic shooting and Gauss–Newton optimisation[J].NeuroImage,2011,55(3):954-967.)，Ashburner等将[2]做了改进，任意时刻的速度场都用初始速度场来表示，配准的每次迭代都利用初始形变值来计算，减少了对内存和外存的要求。

在文献[4](Ashburner J.Afast diffeomorphic image registrationalgorithm[J].Neuroimage,2007,38(1):95-113.)，Ashburner等提出DARTEL非时变速度场的配准方法，同胚变换构成了复合运算下的李群，将大形变同胚变换分解为一系列小形变来处理，使可逆变换相对容易，并降低计算代价。

在文献[5](Janssens G,Jacques L,de Xivry J O,et al.Diffeomorphicregistration ofimages with variable contrast enhancement[J].JournalofBiomedical Imaging,2011,2011:3.)，Janssens等在微分同胚方法中利用累加位移场的可逆性配准对比增强度不同的图像。