[发明专利]图像处理方法、装置、电子设备以及计算机可读存储介质

说明书

本申请提出图像处理方法、装置、电子设备以及计算机可读存储介质，所述图像校正方法包括：拍摄成像目标并获取初始帧图像和连续帧图像；计算所述初始帧图像的初始三维特征点；计算所述连续帧图像的连续帧三维特征点；匹配所述初始三维特征点和所述连续帧三维特征点，以得到RT矩阵；利用所述RT矩阵对图像进行校正，得到重建图像。根据本申请的示例实施例，通过利用简单但精度更高的影像记录设备获取物体的运动信息，提升了运动校正图像的准确性，降低了计算复杂度。

技术领域

本申请涉及图像处理领域，具体而言，涉及一种用于刚体运动的图像处理方法、装置、电子设备以及计算机可读存储介质。

背景技术

目前，在针对清醒成像目标采集到的图像进行校正时，主要针对以下两种运动进行校正：非刚性运动和刚性运动。其中，非刚性运动主要是指较小范围的运动，例如，老鼠躯干运动，而刚性运动主要是指较大范围的运动，例如，老鼠头部运动。

针对刚性运动的校正，主要采用以下两种方法：基于投影域的运动校正方法以及基于图像域的运动校正方法。

基于图像域的运动校正方法通常采用结合运动信息的图像重建(MotionIncorporated Reconstruction，简称MIR)算法。MIR算法是Feng Qiao和Tinsu Pan等人在2006年提出的，是一种基于体素的运动校正算法。MIR算法基于两个假设：一是假设成像目标只在相邻数据帧之间发生运动，在各数据帧内部成像目标保持静止；二是成像目标是由无数的空间点组成的，这些空间点的尺寸无限小，并且这些空间点的放射性物质的浓度不随这些点的运动而改变，即在数据采集过程中，成像目标各部位的放射性物质的浓度恒定，放射性物质的浓度仅随着成像目标的空间运动而在空间中重新分布。

采用基于图像域的运动校正方法进行图像处理的过程包括如下步骤。

首先，通过使用PET(Positron Emission Tomography，简称PET)图像上的各数据帧对应的CT图像之间的图像配准技术，获得图像体素之间的映射关系矩阵M_t，也称为运动矩阵。其中，CT图像的配准通过使用基于三次B样条的非刚性变换模型以及均方误差相似性标准来实现。

运动矩阵M_t，与视场角(Field of View，简称FOV)区域的放射性物质的浓度的分布满足公式(1)。

X_t＝M_tX₀ 公式(1)

其中，X_t表示t时刻FOV区域的放射性物质的浓度的分布，X₀表示0时刻FOV区域的放射性物质的浓度的分布。

其次，构建PET系统对于静止物体的成像模型，如公式(2)所示。

E(Y)＝GX 公式(2)

其中，Y为一维向量，表示投影数据，E(Y)为投影数据Y的期望值；X为图像体素组成的一维向量；G为系统响应矩阵。另外，二维和三维图像也可以转换为一维图像以进行上述处理。

系统响应矩阵G可通过实际测量、蒙特卡罗(Monte Carlo，简称MC)仿真或者数学解析的方法计算。

利用实际测量方法计算系统响应矩阵G包括：在PET系统成像视野的不同位置分别测量同一个点源，然后通过处理投影空间中的响应来构建整个系统响应矩阵G，这些响应包括系统的几何信息以及探测过程的物理信息，并且响应会被参数化以校正点源位置并平滑投影噪声。