[发明专利]融合梯度信息和广义熵相似度的多模态医学图像配准方法

权利要求书

1.一种融合梯度信息和广义熵相似度的多模态医学图像配准方法，其特征在于，步骤如下：

S1，构造广义熵相似性测度；

在步骤S1中，具体步骤为：S1.1，定义Arimoto熵A_α；

其中，X为离散随机变量；α为控制Arimoto熵非扩展性的参数；M为离散随机变量X的元素个数；i为离散随机变量X的概率分布P的元素序号；p_i为概率分布P的第i个元素；

S1.2，构造Jensen-Arimoto(詹森Arimoto)散度；

式中，A_α(·)表示Arimoto熵，ω_i表示加权因子，且ω_i≥0，∑ω_i＝1；

S1.3，构建广义熵相似性测度；

其中，R(x)为参考图像；F为浮动图像；F(T_μ(x))为变换后的浮动图像；T表示空间变换；x是参考图像R的像素点；T_μ(x)表示变换后的对应坐标点，f_j表示转换后的浮动图像的灰度级，r_i表示参考图像R(x)的灰度级；p(f_j|r_i)表示已知参考图像的前提下变换的浮动图像的条件概率分布；p(r_i)表示参考图像的概率分布；p(f_j)表示在空间变换T作用下浮动图像的概率分布；p(r_i,f_j)表示T变换下浮动图像和参考图像的联合概率分布；

S2，构造待配准图像的梯度测度；

S3，构造待配准图像的相似性测度；

S(R(x),F(T_μ(x)))＝G(R(x),F(T_μ(x)))JA_α(F(T_μ(x)),R(x)) (12)；

式中，G(R(x),F(T_μ(x)))表示在空间变换T_μ作用下的浮动图像与参考图像的梯度测度，表述待配准图像的梯度信息；JA_α(F(T_μ(x)),R(x))表示在空间变换T_μ作用下的浮动图像与参考图像的广义熵相似性测度；

S4，构造多模态图像的配准模型；

S5，采用方向加速法对配准模型进行求解得到最优空间变换参数；

在步骤S2中，具体步骤为：S2.1，获得待配准图像梯度的方向；

S2.2，获得待配准图像梯度的模；

S2.3，计算待配准图像的梯度测度；

式中，表示梯度的方向，是梯度的模，ω为梯度模的权值，在参考图像R(x)和变换浮动图像F(T_μ(x))重叠部分的像素点求加权和；

在步骤S2.1中，具体步骤为：S2.1.1，计算参考图像R的梯度

其中，表示参考图像水平方向的梯度；表示参考图像垂直方向的梯度；表示卷积；G′_x(σ)表示尺度为σ的高斯核在x方向的一阶导数；G′_y(σ)表示尺度为σ的高斯核在y方向的一阶导数；

S2.1.2，计算变换浮动图像F(T_μ(x))的梯度

其中，T表示空间变换；T_μ(x)表示变换后的对应坐标点；μ为空间变换参数；表示变换浮动图像水平方向的梯度；表示变换浮动图像垂直方向的梯度；

S2.1.3，计算参考图像的梯度与变换浮动图像的梯度之间的夹角；

其中，表示梯度的模；表示梯度的模；

S2.1.4，计算待配准图像梯度的方向；

在步骤S2.2中，具体步骤为：S2.2.1，计算参考图像的梯度的模；

S2.2.2，计算T变换下浮动图像的梯度的模；

S2.2.3，获得待配准图像梯度的模；

其中，σ表示高斯核的尺度，μ为空间变换参数。

2.根据权利要求1所述的融合梯度信息和广义熵相似度的多模态医学图像配准方法，其特征在于，在步骤S5中，具体步骤为：S5.1，初始化，给定初始点、最大迭代次数、允许误差和n个线性无关的方向；

S5.2，基本搜索，依次沿n个方向分别进行一维搜索；

S5.3，加速搜索，选择加速方向，判断是否满足允许误差，若满足误差条件则迭代终止，输出最优解；否则跳转S5.4继续搜索；

S5.4，调整搜索方向，构成新的搜索方向，返回S5.2，直至迭代终止，输出最优空间变换参数。