基于特征向量和改进能量函数非刚性图像配准.pdfVIP

基于特征向量和改进能量函数的非刚性图像配准1 王安娜，曲福明，谷召伟，马继东，沈工建 东北大学信息科学与工程学院电子信息工程研究所，沈阳 (110004) E-mail：wanganna@ 摘 要：提出了一种非刚性医学图像配准的新方法。首先设计了图像的特征向量，按照特征 向量对图像进行了多层次分解，并在配准的一致性方面进行了能量函数的改进，对图像的各 个子层均使用了新的能量函数进行计算。利用了图像的局部直方图信息和边缘信息，达到了 图像的整体和局部都得到了相互匹配的效果。最后经过多层的叠加和严格的图像匹配，实现 了图像的非刚性配准。 关键词：特征向量，多层次分解，非刚性配准，一致性，改进能量函数 中图分类号：TP751.1 1．引言 医学图像配准在实际应用中有十分总要的作用，在疾病的诊断，疾病发展和消退的过程 检测，术前评价和消退的过程检测，神经外科手术可视化，放射治疗和立体定向放射外科治 疗计划，感觉运动和认知过程的神经功能解剖学研究，神经功能解剖学研究，神经解剖变异 性的形态测量分析学，组织切片图像的处理与显微结构三维重建等方面配准技术都有着重要 的应用[1] 。医学图像配准的质量对医疗的进行有着很大的影响。 目前图像配准的方法有很多种，从初期的简单刚性配准到目前较为复杂的非刚性配准， 配准的速度和精度都有了提高[2]，目前配准的算法主要研究方向有：配准相似特征的提取和 描述，刚性物体和非刚性物体的配准模型，多模态图像融合方法等。 在众多的算法中，弹性配准的分层特征匹配是比较好的算法。在这种算法中，每一个图 像中的点都被定义为这个图像的特征点，从而达到比较好的配准效果，但是这种算法要求在 配准之前，需要对图像进行分割，这种程度上的分割是比较困难的，因此限制了这种算法的 进行[3] 。所以可以用小波变换从原始图像中提取图像的局部特征，但是小波变换的不足之处 在于计算时间比较长，对图像不具有旋转不变性。 本文提出了一种基于特征匹配和体变换的非刚性配准的算法，首先提取出图像中的特征 点，并且利用直方图信息和边缘信息以及不同的图像覆盖范围建立起特征点的特征向量，这 些特征向量描述了图像不同层次的空间信息，因此使用这些特征向量进行两幅图像之间的匹 配，会达到和小波相似的特征提取，并做到比较好的图像匹配，从而完成非刚性图像的配准 过程。 2 ．特征向量提取 特征向量是以点为单位，描述了图像在不用的范围下的几何特征的向量，特征向量被定 义在图像的每一个点中，用来表示在这个点周围不同层次下的几何特征[4]，在本文的算法中， 把图像的直方图信息定义在特征向量中，即在每一个点都要统计其周围局部的多层次图像的 直方图信息，这些特征向量的是通过直方图信息来统计图像性质的。通过计算，来区分和匹 配要配准的两幅图像。 对于图像的细节特征，使用图像局部的小波系数可以被用来区分图像的局部信息，但是 小波的计算过于复杂，而且小波不具有图像的旋转不变性。特别是在脑部的图像配准当中， 1 本课题得到辽宁省自然科学基金（项目编号）的资助。 -1- [5] 在脑的脑回中，过多的细节的信息不是必须的医学特征 。因此特征向量的应用弥补了这个 缺陷，在直方图信息的基础上，为了取得更好的配准效果，图像的边缘信息等信息也在每幅 局部图像上提取出来，用来作为空间的特征向量，这样做可以更好的区分图像的边缘点，更 好的提取图像的边缘信息。如果单独的拿出直方图信息，可能会使提取出的信息不够精确， 因此引入了图像的边缘特征。 基于直方图的特征向量是通过下面的三个步骤来计算的。 第一，把原始的配准图像f (v) 用因子s进行层次的分解，生成许多不同层次下的图像 f (v ) ，这里v [v / s ] ，因此，当s=1 的时候，v [v / s ] ＝f (v) 。对于一个在原始图像