[发明专利]图像配准方法、装置、计算机设备和存储介质

说明书

本申请涉及一种图像配准方法、装置、计算机设备和存储介质，通过对原始参考图像和原始浮动图像进行相同的形态结构增强，得到增强参考图像和增强浮动图像，然后对该增强参考图像和增强浮动图像进行配准，得到浮动图像空间变换到参考图像空间的空间变换参数，再根据该空间变换参数进行原始浮动图像到原始参考图像的配准。由于对原始浮动图像和原始参考图像进行配准前，先对原始浮动图像和原始参考图像进行了结构信息和形态学信息的增强处理，使得待配准的形态结构区域与图像中其他区域对比更加明显，有助于更加准确鲁棒的实现配准，因此根据该空间变换参数对原始浮动图像到原始参考图像的配准，大大增强了配准结果的准确性与鲁棒性。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种图像配准方法、装置、计算机设备和存储介质。

背景技术

图像配准是指将两幅图像(包含同一模态或者不同模态的两幅图像，或同一诊疗对象/不同诊疗对象的两幅图像)进行空间结构匹配的过程。给定两幅待配准的图像包括参考图像与浮动图像，图像配准通过寻求一种空间变换，使得配准后的浮动图像与参考图像达到最大的结构相似度。

现有图像配准技术可分为三类：基于灰度图像的图像配准、基于分割图像的图像配准以及基于深度学习的图像配准。其中，对于基于灰度图像的图像配准方法，当灰度图像中各器官之间的对比度较低时，即灰度差异较小的时候，无法有效的衡量配准精度，因此无法得到准确的配准结果。对于基于分割图像的图像配准方法，由于分割后除了分割的器官外，其余解剖结构信息丢失，难以保证其他器官的配准精度，从而不能保证整体图像的配准精度和鲁棒性。而对于基于深度学习的图像配准方法，其在建立映射模型后，虽然带来了速度方面的优化，但其仍以是灰度图像或者分割图像作为输入图像，仍然存在灰度图像和分割图像对配准精度和鲁棒性影响的缺陷。

因此，现有的图像配准技术无法保证配准结果的精度与鲁棒性。

发明内容

基于此，有必要针对上述现有的图像配准技术无法保证配准结果的精度与鲁棒性的技术问题，提供一种图像配准方法、装置、计算机设备和存储介质。

第一方面，本申请实施例提供一种图像配准方法，该方法包括：

获取待配准的原始参考图像和原始浮动图像；

分别对原始参考图像和原始浮动图像中至少一个相同的形态结构进行增强处理，得到增强参考图像和增强浮动图像；

对增强参考图像和增强浮动图像进行配准，得到浮动图像空间变换到参考图像空间的空间变换参数；

根据浮动图像空间变换到参考图像空间的空间变换参数，将原始浮动图像变化至原始参考图像空间，完成原始浮动图像到原始参考图像的配准。

在其中一个实施例中，上述分别对原始参考图像和原始浮动图像中至少一个相同的形态结构进行增强处理，得到增强参考图像和增强浮动图像，包括：

分别对原始参考图像和原始浮动图像中至少一个相同的形态结构进行分割，得到对应的分割图像；其中，原始参考图像和原始浮动图像均为灰度图像；

根据分割图像，分别对原始参考图像和原始浮动图像中至少一个相同的形态结构进行增强处理，得到增强参考图像和增强浮动图像。

在其中一个实施例中，上述分别对原始参考图像和原始浮动图像中的至少一个相同的形态结构进行分割，得到对应的分割图像，包括：

分别从原始参考图像和原始浮动图像中确定各形态结构的区域；

将各形态结构的区域作为前景，将原始参考图像和原始浮动图像中除形态结构以外的区域作为背景，得到分割图像。

在其中一个实施例中，上述将各形态结构的区域作为前景，将原始参考图像和原始浮动图像中除形态结构以外的区域作为背景，得到分割图像，包括：