[发明专利]一种基于椭球模型的非刚性医学图像抗旋转配准方法

权利要求书

1.一种基于椭球模型的非刚性医学图像抗旋转配准方法，其特征在于，所述方法包括以下步骤：

1)图像基本变换：对原始图像进行变换，求取图像的特征点；

2)构建图像的包含特征点的最小矩形域：构建最小矩形包含图像的特征点，以此作为确定待配准图像与参考图像的包含特征点的最小矩形域；

3)以椭球模型对图像包含特征点的最小矩形域进行划分：以特征矩形域模板的中心为对称中心，以a(n-i)/n和b(n-i)/n，为长短焦半径，画同对称中心等离心率的椭圆，在特征矩形域的基础上，画出n个椭圆环，分别记作C_i，i＝0,1,2,...,n-1；

以特征矩形域模板的中心为圆心，并设置为起始点，对每个椭圆环再进行划分，将椭圆环C_i按角度均分成n个扇形区域，共将椭圆形模板划分为n²个扇形区，并将椭圆环内每个扇形区按顺时针方向做好标记，将其记为n²个扇形区S_ij，i,j＝0，1，2,...,n-1；

将每个扇形区内截取的环作为一个单位，每个单位对应的灰度值为该扇形区域内所包含的像素灰度的平均值f_ij，每一圆环输出n个灰度值，将其构成一维数组f_n(x)；靠近圆心的圆环包含像素少，中心部分用扇形区代替扇形环；

4)确定旋转系数，实现初次旋转：对旋转前和旋转后得到的一维数组分别进行傅立叶变换，求其幅度谱，用傅立叶变换的幅度谱进行相关计算，寻求各相关系数的平均值的最大值，确定第一组旋转系数，对待配准图像进行第一次旋转变换得到图像I_n；

5)多次重复旋转：减小椭球划分模型的参数n，对待配准图像I_n进行椭球模型拆分，重复步骤3)和4)，确定第二组旋转系数f_n/2，对待配准图像I_n进行旋转变换得到图像I_n/2；重复步骤5)，直至n＝1；

6)当n＝1时，对待配准图像进行最后一次旋转变换得到图像I₁，对图像进行插值处理后即得到配准后图像。

2.如权利要求1所述的一种基于椭球模型的非刚性医学图像抗旋转配准方法，其特征在于：所述步骤1)中的图像基本变换方法是基于小波变换的边缘检测，即将原始图像进行小波变换，将其分解在不同频段，找出高频部分模的极大值后，进行筛选从而得到图像特征点。

3.如权利要求2所述的一种基于椭球模型的非刚性医学图像抗旋转配准方法，其特征在于，所述步骤2)中构建包含特征点的最小矩形域方法包括以下步骤：

a)对图像初始变换中确定的特征点进行判别，如果确是特征点，则将其加入特征点集合A中，构建待选点集合B，B初始为空集；

b)选取特征点a₁和a₂作为左上角和右下角，构建矩形R_n-1，将A中选中的点移入B中；

c)判断集合A是否为空集，如果集合A为空集，则得到最小矩形域，算法结束；如果集合A不为空集，则进入下一步；

d)从集合A中选择点a_i并将其移入集合B中；

e)选择特征点a_i和集合B中的另一点作为左上角和右下角，构建矩形R_n-1，返回步骤c)。

4.如权利要求3所述的一种基于椭球模型的非刚性医学图像抗旋转配准方法，其特征在于，所述计算图像旋转参数的方法包括以下步骤：

a)将最小矩形区域按照椭球模型拆分成同中心椭圆环；

b)按角度均等拆分椭圆环为扇形区域；

c)计算每个扇形区域的像素灰度平均值f_ij；

d)通过傅里叶变换计算，求取各相关系数平均值的最大值f_n。