[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

说明书

本发明公开了一种基于MRF模型的多模态医学图像配准方法，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。本发明引入了模态变换，并根据两幅通过模态变换后的图像矩阵以及原配准图像来构建新的马尔可夫能量函数，同时还通过引入一种改进的梯度下降算法来优化能量函数，从而得到配准结果。最后通过不同的医学图像进行配准实验来验证本发明，证明了本发明具有良好的有效性及抗噪性能。

技术领域

本发明涉及医学图像处理领域，尤其涉及一种基于MRF模型的多模态医学图像配准方法、装置、平台及介质。

背景技术

图像配准是将图像信息进行汇总并对齐图像的过程，而多模态图像配准是一种将多模态图像进行空间几何关系对齐的技术。目前，临床上的大多数需求可以被目前已有的算法满足，但是考虑到图像个体之间内容的差异性比较大，而且包含的信息也比较多，所以现今的各种配准算法中都有一定的限制因素存在，一般只能在特定情况下满足配准。考虑到在临床医学方面图像配准具有广泛的应用，而每一种不同的应用均需要不同的形变场，因此关于医学图像配准的问题并没有一种具有普适性的算法解决。

目前常见的图像配准技术包括基于改进互信息和相关率的图像配准方法、基于特征点和图像分割的配准方法以及基于熵图和拉普拉斯图的图像配准方法等。其中，基于互信息的图像配准方法相比于其他图像配准方法，计算复杂度高，用时长。而基于特征点和图像分割的配准技术首先要确定标记点或分割图像，但由于超声图像质量不高，使得自动选取标记点或者图像分割的误差都比较大，人工选取标记点或人工图像分割的实时性不高。对于基于特征描述的图像配准方法，其基于图像块的运算会丢失部分局部信息，影响配准精度，且该类方法适用于较小变形，随着变形程度的增加，配准误差增大。

综上所述的图像配准技术在解决多模态图像配准的相关问题时，基于互信息方法的应用最广泛，但在某些特定的应用中该方法受到的约束仍然较多。

发明内容

本发明的第一目的在于克服现有技术的不足，提供一种基于MRF模型的多模态医学图像配准方法，本发明以模态变换为基础，根据两幅经过模态变换后的图像矩阵以及原配准图像构建新的马尔可夫能量函数，同时采用改进的梯度下降算法来优化能量函数，从而得到配准结果。本发明具有良好的有效性以及抗噪性。

本发明的第二目的在于提供一种基于MRF模型的多模态医学图像配准装置。

本发明的第三目的在于提供一种平台。

本发明的第四目的在于提供一种存储介质。

本发明的第一目的能够通过以下技术方案实现：

一种基于MRF模型的多模态医学图像配准方法，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。

具体地，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；