[发明专利]一种基于匹配曲线特征的图像配准评估法

说明书

技术领域

    本发明属于图像处理技术领域，具体涉及一种基于匹配曲线特征的图像配准评估方法。

背景技术

    图像配准是图像分析领域里一个重要环节。图像配准计算一般包含5个方面内容：图像预处理、配准测度、优化算法（或者匹配算法）、图像插值以及配准结果评估。已有的研究表明，配准测度通常都可以用来定量评估配准效果。对单模态图像一般采用灰度的均方根误差（RMSE）、均方误差（MSE）、峰值信噪比（PSNR）、相关系数（CC）、结构相似度（SSIM）等；而多模态图像一般采用互信息（MI或者NMI）评估配准精度，如果是回顾性图像配准实验则采用基于图像像素物理坐标的RMSE，既适用于单模态，也适用于多模态图像的配准精度评估。

    上述评估方法都有其局限性，只有互信息、物理坐标的RMSE或者MSE适用于回顾性多模态图像配准评估；对于真实的多模态图像配准，由于没有准确的衡量标准，很难给出定量的评估结果。    

发明内容

针对上述问题，本发明提出一种新的配准评估方法——匹配曲线特征评估法（Matching Curve feature evaluation，MCfe），以匹配曲线的峰度（kurtosis）、峰偏（peak deviation，即全局最大值出现的位置与最优位置的偏差）、峰值（maximum，即全局最大值）以及峰值间的均方根误差（RMSE）等特征为定量指标，并给出综合评估结果。由于本发明采用修正的结构相似度函数（Modified Structural Similarity ，MSSIM）为配准测度，使MCfe算法既适用于单模态图像，也适用于多模态图像配准评估。具体步骤为：

第一步：对图像进行配准，得到配准参数；

第二步：以得到的配准参数对原始浮动图像做空间变换，使其与参考图像配准；

第三步：以修正的结构相似度函数MSSIM为测度，给出配准后的浮动图像与原始参考图像的匹配曲线，MSSIM度量值由下式得到：

                         （1）

其中为了保证曲线光滑采用样条插值法，平移以“像素”为单位，旋转角以“度”为单位，平移步长为0.2 像素，旋转步长为0.2 °，缩放步长为0.005；

第四步：计算匹配曲线的峰度、峰偏、峰值以及峰值间RMSE，具体定义和计算公式如下：

1）峰度（kurtosis）

    峰度是用来衡量分布的集中程度或分布曲线的尖峭程度的统计量，它是和正态分布相比较的，直观看来，峰度能够反映上凸函数曲线峰值附近的尖锐度以及尾部的厚度，其定义为：

                       （2）

为样本测定值，为样本n次测定值的平均值，本文引用统计学峰度的概念，但不同之处在于样品测定值为MSSIM测度值，这种定义同样可以衡量匹配曲线在全局最大值附近的集中程度或尖锐程度；

2）峰偏（peak deviation）

不同于统计学的偏度（Skewness），峰偏指全局最大值（即峰值）出现的位置与最优位置的偏差，平移、旋转曲线的最优位置为0位置，缩放曲线的最优位置为1位置，图像完全对齐时，全局最大值将处于最优位置，反之，偏离最优位置，偏离度由峰偏表示，峰偏理想值为0：

          （3）

为匹配曲线的测度值；

3）峰值（maximum）

峰值指匹配曲线的全局最大值，即，图像完全对齐时，各曲线的峰值大小是一致的；

4）峰值间均方根误差（Root Mean Square Error，RMSE）

峰值间RMSE反映了各曲线峰值的一致程度，因而也反映图像之间的对齐度，即配准精度，图像完全对齐时，峰值间RMSE理想值为0：

                     （4）

                 （5）

N为配准变换的自由度，说明一点，这里的maxinum_RMSE实际上相当于标准误差；

第五步：给出定量评估结果，依次为：

1）计算匹配曲线平均加权峰偏

              （6）

m和n分别为图像的行数和列数，为方向平移曲线的峰偏，为方向平移曲线的峰偏，为绕轴旋转曲线的峰偏，为一致缩放曲线的峰偏；

2）给出定量评估结果