[发明专利]基于MRF模型的多模态医学图像配准方法、装置、平台及介质

权利要求书

1.一种基于MRF模型的多模态医学图像配准方法，其特征在于，具体步骤包括：

输入待配准的两幅图像，分别记为固定图和浮动图；

构建马尔可夫随机场模型的能量函数；

将能量函数输入到改进的优化模型进行最优化计算，得到最终变换参数；

对最终得到的配准结果进行显示。

2.根据权利要求1所述的一种基于MRF模型的多模态医学图像配准方法，其特征在于，所述构建马尔可夫随机场模型的能量函数，包括：

S201、获取输入的待配准图像；

S202、对浮动图进行处理，并将固定图与处理好的浮动图进行归一化；

S203、采用权重图的形式对固定图和浮动图的对应的特殊位置进行标记；

S204、计算固定图和浮动图每个像素之间的距离值，将得到的相似度函数作为数据项；

S205、生成能量函数的平滑项；

S206、根据数据项和平滑项得到马尔可夫随机场模型的能量函数；

S207、将马尔可夫随机场模型的能量函数进行转换；

S208、如果遍历完整图像的所有像素点，则结束；否则转到S204；

S209、根据固定图和处理好的浮动图的归一化结果更新一次联合直方图；

S210、对固定图的一个像素进行迭代，搜索在固定图中重叠次数最多的像素点；

S211、对浮动图的一个像素进行迭代，搜索在浮动图中重叠次数最多的像素点；

S212、判断是否遍历完整图像的所有像素点；

S213、获得模态变换后的固定图与浮动图。

3.根据权利要求2所述的一种基于MRF模型的多模态医学图像配准方法，其特征在于，步骤S202中对浮动图进行处理包括：平移、翻转、旋转以及在x-y方向上的尺度变换；

步骤S204中根据构建的距离函数来表示相似度，表达式为：

E_data＝∑_s∈Vθ_s(x_s)＝1/2σ²∑_s∈V[I(x_s)-J(T(x))]²

其中，I(x)和J(x)分别表示二维空间中的固定图和浮动图，T(·)表示像素点x从固定图I(x)到浮动图J(x)的一个变换模型，在整个定义域Ω中，其中图像I(x)的噪声模型的期望是J(T(x))，σ²表示方差；

给定图像的定义域，将得到的四个图像矩阵结合得到数据项，表达式为：

E_data＝1/2σ₁²∑_s∈V[I(x_s)-J(T(x))]²+1/2σ₂²∑_s∈V[I(x_s)-J_t(T(x))]²

其中，σ₁和σ₂为高斯白噪声模型的标准差；

在步骤S205中，对于一个领域系统N_i而言，平滑项的相关计算表达式表示为：

E_smooth＝λ∑_s,t∈Niθ_st(x_s,x_t)＝λ∑_s∈V∑_t∈θln[1+(x_s-x_t)²]

其中，λ表示一个权重值，函数θ_st包括分段函数、多项式函数、对数函数；

所述步骤S206中得到的能量函数表示为：

E_mrf(X|θ)＝E_data+E_smooth

在根据步骤S204和S205得到的数据项和平滑项之后，根据马尔可夫随机场模型理论可以得到一个具体的能量函数模型，表示为：

E_mrf＝E_data+E_smooth＝1/2σ₁²∑_s∈V[I(x_s)-J(T(x))]²

+1/2σ₂²∑_s∈V[I(x_s)-J_t(T(x))]²+λ∑_s,t∈Niln[1+(x_s-x_t)²]

当图像完全配准之后，马尔可夫随机场的能量函数值将会最小；

在步骤S209中，联合直方图更新的公式为：

其中，N表示联合直方图的样条数；x表示当前像素点的位置；表示小于c的最大正整数值；联合直方图H(i,j)是一个二维矩阵；灰度值i在图I(x)以及灰度值j在图像J(x)中相关点具体的数目用H(i,j)来表示；

模态变换公式表示为：