[发明专利]一种融合显性度量和隐性度量的多模图像配准方法

权利要求书

1.一种融合显性度量和隐性度量的多模图像配准方法，其特征在于该方法包括以下步骤：

步骤(1).对原始图像进行一层高斯金字塔分解，获得低分辨率图像；

所述的原始图像包括参考图像、待配准图像；

步骤(2).在低分辨率图像中，首先采用基于显性度量的方法获得配准参数初始值p0，优化算法选用粒子群优化PSO算法；然后以p0作为初始值，采用基于隐性度量的方法获得配准参数值p1，优化算法选用融合粒子群优化PSO算法和方向加速Powell算法的优化策略；

步骤(3).对原始图像进行配准，首先利用步骤(2)中获得的配准参数值p1对待配准图像进行变换，然后再采用步骤(2)中的方法基于参考图像和经过变换后的待配准图像计算得到更精准的配准参数值p2；

步骤(4).根据p1和p2计算最终的配准参数值p3，并对待配准图像进行仿射变换，采用双线性插值法得到最终的配准图像。

2.根据权利要求1所述的一种融合显性度量和隐性度量的多模图像配准方法，其特征在于步骤(2)具体包括以下步骤：

2.1采用显性度量方法对低分辨率图像获取配准参数初始值p0，优化算法选用粒子群优化PSO算法，具体是：

2.1.1首选利用显性度量方法中互信息通过统计方法描述两幅图像像素间的非线性分布，其公式为：

I(I₁,I₂)＝H(I₁)+H(I₂)-H(I₁,I₂)    式(1)；

其中，I(I₁,I₂)表示互信息，H(I₁)和H(I₂)分别表示图像I₁和I₂的熵，H(I₁,I₂)是两幅图像的联合熵，具体分别表示为：

H(I1)=-ΣipI1(i)log2pI1(i)]]>    式(2)；

H(I2)=-ΣjpI2(j)log2pI2(j)]]>    式(3)；

H(I1,I2)=-Σi,jpI1I2(i,j)log2pI1I2(i,j)]]>    式(4)；

其中i∈I₁，j∈I₂，和分别是图像I₁和I₂中像素值为i和j的概率，是像素值为i和j的联合概率分布；

2.1.2根据互信息作为判优依据，在仿射变换搜索空间中，利用粒子群优化PSO算法的搜索策略获得配准参数初始值p0，具体如下：

选用图像配准变换模型为仿射变换模型，具体变换公式为：

x2y21=T(p)x1y11abcdef001·x1y11]]>    式(5)；

待求解的配准参数写成向量形式为p＝[a b c d e f]^T；选取图像中心(x_c,y_c)作为坐标原点，变换前像素点原始坐标(x₁,y₁)，x₁＝x₀-x_c，y₁＝y₀-y_c则变换后对应像素点坐标为(x'₂,y'₂)，其中x'₂＝x₂+x_c，y'₂＝y₂+y_c；

采用粒子群优化PSO算法优化配准参数的具体步骤如下：

步骤(a).初始化：

设定粒子个数为m，迭代次数为T，每个粒子的位置初始值和粒子移动速度均为在一定区间范围内产生的随机数；

步骤(b).评价每一个粒子，计算粒子的适应度值：

设当前迭代次数为t，给定粒子K，对于基于显性度量的配准算法，首先基于式(5)对图像I₁进行变换，然后利用式(1)～式(4)计算得到互信息，将互信息作为该粒子的适应度；然后更新第k个粒子移动过程中适应度值取最大的位置，记作Pbest_i；最后计算所有粒子中适应度值最大的位置，记为Gbest；

步骤(c).粒子更新：

采用下式(6)和式(7)对每一个粒子的速度和位置进行更新；

Vkt=Vkt-1+c1·rand()·(Pbestk-Pkt-1)+c2·rand()·(Gbest-Pkt-1)]]>    式(6)；

Pkt=Pkt-1+Vkt]]>    式(7)；

其中，c₁和c₂是加速常量，分别调节向全局最好粒子和个体最好粒子方向飞行的最大步长；rand()是0到1之间的随机数；

步骤(d).检验是否符合结束条件：

判断迭代次数是否达到了预设值，若是则停止迭代，输出最优解；若否则跳转执行步骤(b)；

2.2以2.1得到的配准参数p0作为初始值，采用基于隐性度量的方法获得配准参数值p1，优化算法选用融合粒子群优化PSO算法和方向加速Powell算法的优化策略，具体步骤如下：

步骤(a).初始点集检测：

将图像I₁按行列分均匀分割成10*10个子图像，每个大小是其中(M,N)为图像I₁的宽度和高度；然后在每个子图像中采用式(8)逐像素点计算梯度值；选择每个子图像中梯度幅值前10％的像素点，构成特征点集S₁＝{v_i}_i＝1...m，其中v_i＝(x_i,y_i)：

|▿I(i,j)|=Ix2(i,j)+Iy2(i,j)]]>    式(8)；

其中，I_x(i,j)＝0.5(I(i,j+1)-I(i,j-1))，I_y(i,j)＝0.5(I(i+1,j)-I(i-1,j))，I(i,j)表示图像第i行第j列的像素值；

步骤(b).特征点集映射，计算隐性度量值：

给定配准参数初始值p0，利用式(5)对特征点集S₁里的每个坐标进行变换，得到点集S₂，采用式(9)计算该配准参数p0对应的隐性度量值；

F(p)=Σvi∈S2ωi|▿I2(vi)|2]]>    式(9)；

其中，0≤ω_i≤1是自适应权重；

步骤(c).配准参数优化求解，采用融合PSO和Powell算法的优化策略求取参数p1：

1)采用p0作为初始值对粒子进行初始化，利用PSO算法对参数进行优化求解，此时采用式(9)计算隐性度量值，将其作为粒子的适应度值；

2)迭代结束后，采用Powell搜索法对全局最优粒子进行进一步寻优；Powell算法中参数寻优顺序为a→b→d→e→c→f，一维搜索方法选用牛顿迭代法。

3.根据权利要求1所述的一种融合显性度量和隐性度量的多模图像配准方法，其特征在于步骤(4)具体是：

由步骤(2)得到的第一层配准参数p1＝[a₁ b₁ c₁ d₁ e₁ f₁]^T，以及第二层配准参数p2＝[a₂ b₂ c₂ d₂ e₂ f₂]^T，由公式(10)得到最终配准参数p3＝[a b c d e f]^T：

a＝a₂a₁+b₂d₁

b＝a₂b₁+b₂e₁

c＝a₂c₁+b₂f₁+c₂    式(10)；

d＝d₂a₁+e₂d₁

e＝d₂c₁+e₂e₁

f＝d₂c₁+e₂f₁+f₂

利用上述得到的最终配准结果p3对待配准图像进行仿射变换映射，采用双线性插值法计算变换后图像的像素值，从而得到最终的配准后图像。