[发明专利]基于总变分区域选取的明视野显微镜全景图像对齐算法

说明书

本发明提供基于总变分区域选取的明视野显微镜全景图像对齐算法，包括如下步骤：输入若干待拼接图像，提取先验重叠区域，二次总变分提取特征区域，采用MSE均方误差计算相对偏移，计算图像全局偏移，拼接全景图像结果；采用基于二次总变分的方式进行区域选取，找出内容丰富且图像边缘信息强的区域作为对齐模板，然后利用像素信息通过MSE度量匹配最佳位置，结合总变分加权的方式来确定相邻图像间的偏移，达到兼顾两方向对齐的目的，对相邻两张视野图的重叠量获取一个先验知识，从而克服了基于像素的对齐方式计算复杂度高的缺点。

技术领域

本发明涉及图像处理技术领域，具体涉及基于总变分区域选取的明视野显微镜全景图像对齐算法。

背景技术

图像配准算法主要分为两大类：基于像素的配准算法和基于特征的配准算法。

基于像素信息的配准算法大致分为三类：互相关法(也称模板匹配法)、序贯相似度检测匹配法、交互信息法。其中基于互信息配准方法比其他基于全局信息内容的配准方法具有更灵活、更准确的特点，已成为最受欢迎的图像配准方法之一。Frederik Maes andAndre Collignon应用互信息来度量两幅图像中对应体素的图像强度之间的统计依赖性或信息冗余。Xiaoxiang Wang和Jie Tian在他们的论文中提出了一种基于互信息的配准方法，使用梯度信息而不是像素强度信息。Hartkens等人在基于体素的配准算法中引入了特征信息，以整合关于预期变形的更高层次信息。Butz and Thiran回顾了互信息的一般定义，选择边缘特征进行图像配准。Frederik Maes，Andre提出了一种新的基于直方图的方法来估计和最大化两个多模态和可能多频带信号之间的互信息。这些方法将图像特征直接与互信息方法相结合，具有许多基于特征和基于强度的方法的优点。然而，基于互信息的方法有其自身的局限性，例如，当图像的分辨率较低，图像包含的信息较少，或者重叠区域较小时，互信息可能会导致配准错误(Pluim等)。刘严严等人使用模板匹配法对图像进行配准，从参考图像中选取两条平行线段作为模板，在待配准图像重叠区域内滑动，使用相似性度量比较对应位置灰度差值，获取最佳配准位置。模板匹配法中常用的相似性度量方式有SSD(MSE)、SAD等。模板匹配法使用像素列的灰度信息作为配准依据，计算量可大幅度减少，但所选取的像素列信息量过少会导致较高的误配率。

基于图像特征的配准算法通常是提取图像具有的特殊性质的特征作为配准依据，较为常用的是轮廓和角点特征。陈旭阳等人根据轮廓曲率和包围面积来构造特征表示关系，利用极值点的幅值误差和相对位置误差来构造评价函数，该方法具有时间复杂度低和抗噪能力强的特点。Lowe等人提出了基于SIFT特征配准算法，该方法通过对特征点邻域内的梯度直方图统计来构建特征向量，并为每个特征点分配一个或多个方向，所有后面的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换。因此，该方法对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性，其缺点是计算量过大。小波变换是常用的基于特征的图像配准方法，El-hazawi解释了基于小波的图像配准并实现了并行计算。Hala S.Own和Aboul Ella Hassanien在他们的论文中提出了一种使用Q-shift复小波变换(Q-shift CWT)的高效图像配准技术。实验结果表明，与经典小波变换相比，该算法提高了计算效率，获得了鲁棒性和一致性的图像配准。Azhar Quddus和Otman Basir提出了一种新颖的、全自动的、基于小波的多阶段图像配准技术，用于图像检索。他们使用具有互信息(MI)的多尺度小波表示来促进多分辨率下重要解剖结构的匹配，该方法在多阶段小波域中的应用具有一定的创新性。然而，基于图像特征的配准算法一般需要对图像进行去噪等预处理进一步提炼、筛选特征信息，计算复杂度较高。

由于采集的细胞图像要进行放大才有利于医生观察分析，所以一张玻片需要采集多张视野图，由于硬件设备的精度问题，采集的相邻两张往往很难做到可以无缝拼接，要么重叠一部分，要么缺失一部分，即存在上下左右的错位问题，这导致多张视野图拼接成一张大图供给医生观看时视觉感受特别差，所以此时需要对齐拼接算法对所有视野图进行对齐，去掉重叠和错位部分，使得多张视野图能够无缝拼接，提高全图阅览的视觉感受。