[发明专利]基于稀疏有向图的图像集配准方法

说明书

本发明公开了一种基于稀疏有向图的图像集配准方法，包括步骤：步骤1，输入一组包含n个图像的图像集{I_i|i＝1,…,n}；步骤2，利用基于图像集全局信息和图像分布流形的稀疏流形编码方法计算图像集的图像相似度；步骤3，根据相似度计算结果建立以图像为节点、以图像相似度倒数为权重的有向图；步骤4，基于有向图确定两两节点间最短路径以及根节点图像，并进一步确定非根节点图像到根节点图像的最短路径即配准路径；步骤5，根据确定的配准路径，将所有非根节点图像和依据配准路径配准得到的结果图像依次配准到其直接父节点图像，直至配准到根节点图像。本发明有效提高了图像集配准的精度。

技术领域

本发明涉及图像处理领域，特别是涉及一种基于稀疏有向图的图像集配准方法。

背景技术

图像配准依据待配准图像的数量可以分为两大类：两两图像配准和图像集配准。两两图像配准是指将一幅待配准图像与目标图像空间对齐；而图像集配准是将一组(数量大于2)图像对齐到统一空间，充当统一空间的图像一般称为中心图像。图像集配准在医学图像处理和计算机视觉中有重要作用，例如检测脑图像结构或功能差异(对不同年龄段、健康、患病的图像进行配准分析脑图像信息)、监测病灶发展、建立更合理的人脸模型等。

由于两两图像配准方法的广泛应用，所以在图像集配准方法研究的早期，一般使用现存的两两图像配准方法将所有待配准图像直接配准到中心图像，这种简单的图像集配准被称为直接图像集配准。这类方法存在明显的缺点：图像集中与中心图像存在较大差异的图像配准时，产生较大形变，导致配准效果差。由于直接图像集配准方法存在的问题，近年来，能得到较好配准结果的间接图像集配准策略受到广泛关注。其中，基于图的图像集配准方法因具有运算高效和配准精确的特点成为研究热点。

基于图的图像集配准方法的基本步骤包括四部分：(1)计算图像集的图像间相似度；(2)根据相似度建立图；(3)确定图中根节点图像(一般作为中心图像)，再确定非根节点图像到根节点图像的最短路径；(4)两两图像配准。为说明该类方法的一般流程，此处使用二维合成图像集进行配准，如图1所示。图1(a)表示一组包含6幅二维合成图像的图像集；图1(b)是根据图像间相似度建立的图，其中图像2是依据公式(1)确定的根节点，

公式中d(I_j,I_i)表示图像I_j到I_i的最短路径，n表示图像个数。图1b中两幅图像间的边表示最短路径，每幅图像到根节点图像所经过的最短路径形成图像到根节点的配准路径。以图像1配准到根节点图像2为例，图1(c)显示的是图像1的最短路径，路径上每个图像配准到其父节点，即图像1配准到图像3得到形变场D₁₃，以及图像3配准到根节点图像2得到形变场D₃₂。通过形变场整合可以得到图像1配准到根节点的形变场最后将形变场D₁₂作用于图像1，得到图像1配准到图像2的结果图像7。其中符号表示函数复合，即相当于g₁(g₂(x))。对比图像2和配准图像7，二者几乎完全相同，配准效果较好。与直接图像集配准方法比较，该类方法的明显优点是将大形变的配准划分为一系列小形变配准的整合，以期提高配准精度。

以上是目前大多数基于图的图像集配准方法的大体思路，这些方法中，计算图像间相似度时，一般使用两图像间的灰度差异或空间欧氏距离等局部图像信息，忽略了图像集的全局信息和图像的内在流形，导致在估计图像集中图像整体的分布流形时，存在较大误差。目前流行的基于图像局部信息计算一幅图像与图像集中所有图像相似度方法的主要步骤是，首先确定该图像近邻点的个数，然后根据该图像与图像集中另一幅图像间的灰度差异计算它们的相似度，直至完成该图像与图像集中所有图像的相似度计算，最后选取确定个数的相似度最大的图像作为该图像的近邻点。建立图一般使用K近邻图或最小生成树方法；前面提到的形变场融合方式存在明显的误差累积，因为最短路径上两两图像配准得到的形变场之间可能存在较大差异。这些问题最终都会影响到图像集的配准精度。