[发明专利]用于医学图像配准的通用变换滤波合成

说明书

技术领域

本发明一般涉及图像配准。更特别地，本发明提出一种有效的配准技术，用于高精确性、计算效率性和可靠性地匹配数字图像，特别是医学图像。

背景技术

图像配准是对从不同的视角和/或通过不同的传感器在不同时刻拍摄的相同景象的两个或多个图像进行叠加的过程。它几何学上使至少两个图像的内容对准，该两个图像分别称为参考图像和传感图像。常规配准公式可表述为：给定两个形状、一个输入D(在传感图像中)和一个目标S(在参考图像中)，以及一个相异标准，在S中找到和D的任何点关联的最佳空间转换T，并且最小化转换的形状△＝T(D)和目标S之间的相异标准。可以按照形状△和S(基于特征的配准)的轮廓定义相异标准或者在由这些轮廓(基于区域的配准)确定的整个区域中定义相异标准。

图像配准是所有图像分析任务中的关键步骤，其中从各种数据源的组合中获得最终信息。典型地，远程传感、环境监视、天气预报等领域中需要配准。在医学领域，它可用于例如组合计算机X线断层摄影术(CT)和核磁共振(NMR)数据以获得关于病人的更完整的信息，诸如监视肿瘤生长、检验治疗效率、对病人的数据和解剖图进行比较等等。

在《图像和视觉计算》(Image and Vision Computing)21(2003)第977-1000页，由Barbara Zitova和Jan Flusser撰写的“Image registration methods：a survey”中，回顾了大量的配准方法。大多数方法包括以下阶段：

-特征检测：手工或优选地自动检测突出的和区别性的对象(封闭边界区域、边、轮廓、交汇点、角等)。此阶段非常重要，因为它能显著地影响所选的配准算法的性能；

-特征匹配：在传感图像中检测到的特定特征与在参考图像中检测到的用于表示该相同特征的象素之间建立对应关系；

-转换模型评估：评估将传感图像匹配到参考图像的转换，其通常被称为映射函数。该映射函数基于图像域Ω来定义，Ω对于两个图像是通用的。使用预先建立的特征对应关系来计算映射函数的参数。此阶段可能需要大量的计算时间，特别是当将配准的图像中的内容具有熟练的非刚性运动时。这例如可以联系到图像中的对象的变形(与简单转换或旋转相对的)，和/或联系到不同的视角。可使用相异函数的最优化来评估映射函数，相异函数还称为目标函数；

-图像再取样和转换：通过使用适当的内插法技术的映射函数转换传感图像。

在一些方法中，第二和第三阶段并入第一步骤中。

在《计算机视觉和图像理解》(Computer Vision and Image Understanding)第142-165页，2003，由N.Paragios等撰写的“Non rigid registration using distancefunctions(使用距离功能的非刚性配准)”中，揭示了为了改进配准，在并入的特征匹配和转换模型评估阶段之前将距离转换应用到所检测的特征。该距离转换，也称为距离映射DM(x，y)，定义为：