[发明专利]基于距离变换和刚性变换参数估计的眼底图像配准方法

权利要求书

1.一种基于距离变换和刚性变换参数估计的眼底图像配准方法，包括以下步骤：

步骤1)加载第一眼底图像和第二眼底图像；

步骤2)提取所述两幅眼底图像的视盘中心，估计所述两幅眼底图像的平移参数；所述视盘中心提取包括：

21)将图像的灰度最大值的85％设定为阈值；

22)对图像中灰度值高于阈值的像素点进行聚类，设定类内距离为图像宽度的十二分之一，同时设定类内像素点数阈值，得出候选的视盘中心点集；

23)对视盘中心点集中的候选点，分别计算其半径为图像宽度十二分之一的圆形区域内的血管密度，选择血管密度最大的点作为视盘中心；计算血管密度ρ，其中num是血管的边缘像素数，S是圆形区域的面积；

步骤3)对所述两幅眼底图像进行视盘血管分割以及分布特征计算，估计两幅图像的旋转参数，该步骤3)包括：

31)对以视盘中心为圆心，图像宽度的十二分之一为半径的圆形邻域内的像素点，利用两个5×5的gabor小波方向掩模：GradientX、GradientY，求解像素的梯度向量(G_x，G_y)，其中：

GradientX=0-0.133800.133800-0.194700.194700-0.220600.220600-0.194700.194700-0.133800.13380]]>

GradientY=00000-0.1338-0.1947-0.2206-0.1947-0.1338000000.13380.19470.22060.19470.133800000;]]>

32)根据梯度向量进行血管分割以及血管方向概率分布特征的计算；

33)通过最小化两个血管方向概率分布的相对熵(Kullback-Leibler Divergence)得出图像的旋转参数估计；

所述血管方向概率分布特征的计算步骤包括：对于分割出的血管边缘，计算梯度向量(G_x，G_y)，其中血管方向θ由如下表达式决定：

将整个圆周角[-π/2，3π/2]等分为72个方向，求出血管方向概率分布；

所述图像的旋转参数估计包括：对于已经求出的血管方向概率分布P₁，P₂，固定P₁，对P₂对应血管方向分布每次顺时针旋转一个方向，旋转71次，得出新的概率分布计算P₁与P₂，的相对熵(Kullback-Leibler Divergence)，求出相对熵最小的上标i：

i=argminiΣj=071P1jlogP1jP2ji,i=0,1,...71]]>

P2j0=P2j,j=0,1,...,71]]>

下标j表示概率分布P在j方向上的分量，图像的旋转参数Δθ＝iπ/36；

步骤4)以所述第一眼底图像作为参考图像，对步骤3)中分割出来的血管像素点作为标志点集，计算以视盘中心为圆心，图像宽度的十分之一为半径的圆形邻域内的欧氏距离变换；

步骤5)以所述第二眼底图像作为浮动图像，将步骤2)和3)中求得的刚性变换参数作为初始变换参数，将浮动图像中分割出来的血管像素点映射到基准图像上，计算两幅图像基于欧氏距离变换的相似性度量函数值，通过优化这个函数值，求得最佳的变换参数，完成两幅图像的精确配准；所述两幅图像基于欧氏距离变换的相似性度量函数为：

f=Σi=1numi11+di2numi]]>

其中，numi是浮动图像分割出的血管边缘像素数目，d_i是浮动图像第i个血管边缘像素通过变换映射到参考图像空间上对应像素的欧氏距离值，通过最大化函数值f，求取精确的图像变换参数，实现精确配准。