[发明专利]基于空间距离与数据分布相似性度量的医学图像配准方法

摘要

本发明公开了一种基于空间距离与数据分布相似性度量的医学图像配准方法，属于医学图像配准领域。本发明提出了结合m_p‑dissimilarity和l_p‑norm两种相似性度量的匹配策略，显著提高了在医学多模图像配准中的准确率，对医疗工作提供了帮助。本发明只是针对于描述子的相似性度量，也可以将它运用在其它基于局部特征的图像配准工作中。

主权项

1.一种基于空间距离与数据分布相似性度量的医学图像配准方法，其特征在于，包括步骤：1)输入待配准的两幅多模医学图像，其中一幅为参考图像，另一幅为目标图像；2)采用SIFT算法提取待配准图像中的特征点，给每个特征点赋予主方向，得到特征点的位置、尺度以及方向信息，使得特征点具有旋转不变性，生成128维的特征点描述子；3)目标图像与参考图像特征点匹配a)定义两个向量x,y的l_p‑norm为：其中，x_i以及y_i分别表示向量x,y中的第i个元素；p的值为2；abs表示取绝对值；d表示每个向量的维数；b)定义两个向量x,y的m_p‑dissimilarity为：其中，R是R(x,y)∈R^d的缩写，表示由向量x，y组成的区域；z是R中随机选择的一个点；P_i(z∈R|o(z))表示z这个点落在R中第i维的概率；d表示x,y总的维数；p作为一个参数，控制维数的影响；c)使用m_p‑dissimilarity度量描述子的相似性假设两幅图像中的描述子为：参考图像中共有N_q个描述子，目标图像中共有N_t个描述子，并且每一个描述子都是由d维的数组构成，当用m_p‑dissimilarity计算由D_q和D_t组成的描述子时，D为d×(N_q+N_t)维数组；其中，D表示D_q和D_t的并集；D中的任意两个描述子的m_p‑dissimilarity：d)使用m_p‑dissimilarity匹配描述子表示参考图像中的一个描述子，和分别表示在目标图像中Mp‑dissimilarity距离与最近以及次近的描述子，匹配条件为：(MP_i,Nq+j1)表示与的m_p‑dissimilarity距离，(MP_i,Nq+j2)表示与的m_p‑dissimilarity距离；threshold是设定好的阈值；e)结合l_p‑norm与m_p‑dissimilarity寻找匹配的特征点。