[发明专利]基于改进迭代最近点算法的白光数据与CT数据配准方法

权利要求书

1.一种基于改进迭代最近点算法的白光数据与CT数据配准方法，其特征在于，所述基于改进迭代最近点算法的白光数据与CT数据配准方法包括：

步骤一，对采集的CT数据、白光数据、荧光数据进行预处理；然后对CT数据进行重建以及分割，对CT数据进行表面提取与剖分得到体表数据；

步骤二，采用改进的基于体素的方法进行小鼠3D表面网格化重建；

步骤三，采用基于双向距离比例改进的ICP算法对3D CT数据和3D白光数据进行配准；进行多幅荧光信息融合与3D表面荧光光通量重建，以实现CT数据和光学数据的融合；

所述步骤一具体包括：

(1)对荧光数据进行去除背景噪声、感兴趣区域提取和坏点补偿处理，对CT数据进行去坏点去噪、亮场校正和几何校正处理；去除背景噪声：I_P＝I_O-I_B；

其中，I_P是背景噪声去除之后的生物发光图像；I_O是CCD相机采集的原始生物发光图像；I_B是CCD相机采集生物发光图像是的背景噪声；

感兴趣区域的提取：I_ROI＝I_PΘW；

其中，I_ROI是对感兴趣区域进行提取后的生物发光图像；Θ是矩阵运算，运算的结果为矩阵对应元素的乘积；W是用于提取感兴趣区域的窗函数矩阵，其中的任一元素w_st通过以下公式进行确定：

其中，Ω_ROI是成像体的成像区域；

坏点补偿：

其中，I是经过背景噪声去除、感兴趣区域提取和坏点补偿预处理操作后的生物发光图像；

(2)将预处理后的CT数据导入Micro-CT软件进行数据重建；

(3)将三维重建后的小鼠数据进行器官分割；

(3)对CT数据进行表面提取与体剖分，得到小鼠表面数据。

2.如权利要求1所述的基于改进迭代最近点算法的白光数据与CT数据配准方法，其特征在于，所述步骤二具体包括：

(1)采用计算机视觉中的基于体素的Space caving方法重建小鼠表面，对待重建物体A从不同角度采集N幅白光图像，通过已知的相机几何投影矩阵，将物体的轮廓投影到3D空间，创建视觉椎体，N个不同角度生成的视觉椎体形成Visual Hull；

投影矩阵为

其中，(u,v)是像素坐标系，(X_w,Y_w,Z_w)是世界坐标系，K是相机内参数，R,t是相机外参数，P＝K[R|t]即为相机几何投影矩阵，Z_c[·]是投影矩阵；

(2)基于自适应最优细分级别阈值优化改进的三维表面重建方法定义一个误差参数E来控制细分级别以及目标物体的重建精度，误差参数E具体指的是当前细分级别上，小鼠体表在N方向上的投影误差值，定义公式如下：

其中，N代表在小鼠体表周围采集的二维白光图像个数；代表CCD相机获取的第K幅图像的二值轮廓；代表小鼠体表在第K幅图像方向投影的二值轮廓；代表在K方向上两幅图像轮廓之间的误差；

具体操作为首先设定一个细分级别阈值Q；然后通过Octree进行下一级第S级细分，通过投影矩阵P将重建后的小动物体表分别投影到i＝1…N幅图像上，获取j＝1…N幅二值轮廓，记录误差E和时间；继续下一级细分，直到S≥Q，终止细分，记录最终的重建误差E和重建时间；多次改变细分级别阈值Q，重复上述操作，记录最终的重建误差E和重建时间；在所有的重建误差和重建时间中找出重建精度和重建时间最接近预期理想的一组，其对应的细分级别阈值Q即为最优细分级别阈值，记为Q_best，以Q_best作为最终的细分级别阈值进行基于体素的三维表面重建。