[发明专利]一种自动识别特征点的医用影像跟踪方法和装置

权利要求书

1.一种自动识别特征点的医用影像跟踪技术，其特征在于，该方法包括：

计算影像各像素的特征维度并确定特征点；

计算特征点的方向直方图，并进行影像间特征点的匹配；

对匹配上的特征点对进行分组，得到影像间在各自由度上的偏移矢量。

2.根据权利要求1所述的方法，其特征在于，所述计算影像各像素的特征维度并确定特征点之前进一步包括：

对于影像中的每一个像素，计算该像素周围3×3个点(包括自身)的梯度，从而构建该像素的2×9阶梯度矩阵；

3.根据权利要求1所述的方法，其特征在于，所述计算影像各像素的特征维度并确定特征点的方法为：

对于影像中的每一个像素，计算该像素的梯度矩阵与其转置的乘积，得到2×2阶的矩阵，并计算该矩阵的特征值。

当两个特征值的绝对值大小均大于等于给定阈值时，将该像素加入特征点列；

当两个特征值的绝对值大小至少有一个小于给定阈值时，该像素不被加入特征点列。

4.根据权利要求1所述的方法，其特征在于，所述计算特征点的方向直方图的方法为：

对于影像中的每一个特征点，计算该特征点周围8×8个点的梯度和梯度方向。将这8×8个点以特征点为圆心，按照所在象限分为四组，将每一组中的4×4个点的梯度方向分为八组，例如梯度方向在0°和45°之间的分在第一组，以此类推。分别统计这64个点落入4×8个组中的点数，从而构成该特征点的方向直方图。

5.根据权利要求1所述的方法，其特征在于，所述影像间特征点的匹配方法为：

对于第一幅影像中的特征点，寻找其在第二幅影像中的匹配点；

对于第二幅影像中的特征点，寻找其在第一幅影像中的匹配点；

找出两幅影像间相互匹配的特征点对。

6.根据权利要求5所述的方法，其特征在于，所述对于第一幅影像中的特征点，寻找其在第二幅影像中的匹配点的方法为：

对于第一幅影像中的每一个特征点，在第二幅影像中以该特征点坐标为中心，在其周围给定的阈值范围内搜索特征点。在搜索到的第二幅影像的特征点中找出其方向直方图与第一幅影像中该特征点p₁的方向直方图距离最短的两个特征点p₂和p′₂。该距离用两幅影像特征点的方向直方图所对应的32个组的差值的平方和再开方进行计算。

判断搜索到的第二幅影像的特征点个数是否大于给定阈值。如果是，则将在第二幅影像中方向直方图与第一幅影像中该特征点p₁的方向直方图距离最短的特征点p₂确定为p₁的匹配点，并计算两个特征点间的相似度。

该相似度的计算方法为：计算第一幅影像中该特征点p₁在第二幅影像中所对应的次接近点p′₂与p₁的方向直方图之间的距离，和p₁在第二幅影像中所对应的匹配点p₂与p₁的方向直方图之间的距离之比。

同理可得出对于第二幅影像中的特征点，寻找其在第一幅影像中的匹配点的方法。

7.根据权利要求5所述的方法，其特征在于，所述找出两幅影像间相互匹配的特征点对的方法为：

对于第一幅影像中的每一个特征点，如果该特征点p₁与其在第二幅影像中的匹配点p₂所对应的其在第一幅影像中的匹配点一致，并且p₁和p₂在两幅影像中的相似度都大于给定阈值，则认为p₁和p₂匹配成功，并称其为一个特征点对。

8.根据权利要求1所述的方法，其特征在于，所述对特征点对进行分组的方法之前进一步包括：

将特征点对按照这两个点相似度的乘积大小进行排序。