[发明专利]超声立体图像重建方法、设备及计算机存储介质

权利要求书

1.一种超声立体图像重建方法，其特征在于，包括：

接收两组采样图像集合；其中，所述采样图像集合所表征的部位相互对应；

以所述两组采样图像集合其中之一作为固定图像集合，以所述两组采样图像集合其中另一作为活动图像集合，对所述活动图像集合执行平移变换配准，迭代并依次修改平移配准矩阵中的深度参数和平面参数，得到对应所述活动图像集合的最终校准图像集合；

根据所述最终校准图像集合和所述固定图像集合执行匹配融合，得到融合立体图像。

2.根据权利要求1所述的超声立体图像重建方法，其特征在于，所述方法具体包括：

对所述活动图像集合执行平移变换配准，迭代并修改所述平移配准矩阵中的深度参数，迭代至所述活动图像集合满足第一预设条件，得到对应所述活动图像集合的深度校准图像集合；

对所述深度校准图像集合中每组深度校准图像执行平移变换配准，迭代并修改所述平移配准矩阵中的平面参数，迭代至所述深度校准图像满足第二预设条件，得到对应所述深度校准图像的最终校准图像，形成所述最终校准图像集合。

3.根据权利要求2所述的超声立体图像重建方法，其特征在于，所述方法具体包括：

计算配准后的活动图像集合与所述固定图像集合的第一相似度参数，根据所述第一相似度参数修改所述深度参数，迭代至所述第一相似度参数满足预设的第一误差条件，得到对应所述活动图像集合的深度校准图像集合；

计算配准后的深度校准图像以及与其对应的固定图像集合中的固定图像之间的第二相似度参数，根据所述第二相似度参数修改所述平面参数，迭代至所述第二相似度参数满足预设的第二误差条件，得到对应所述深度校准图像的所述最终校准图像。

4.根据权利要求3所述的超声立体图像重建方法，其特征在于，所述方法具体包括：

以所述固定图像集合为基准，对所述活动图像集合执行深度平移变换，得到深度变换矩阵；

根据所述深度变换矩阵配准所述活动图像集合，生成深度配准图像集合，并对所述深度配准图像集合执行重采样插值，得到深度插值图像集合；

根据所述深度插值图像集合和所述固定图像合，计算所述第一相似度参数；

根据所述第一相似度参数对所述深度参数进行迭代优化，直至所述第一相似度参数收敛于第一误差区间，得到对应所述平移配准矩阵的深度配准矩阵；

根据所述深度配准矩阵校准所述活动图像集合，得到所述深度校准图像集合。

5.根据权利要求4所述的超声立体图像重建方法，其特征在于，所述第一相似度参数为归一化互相关系数，所述重采样插值包括线性插值。

6.根据权利要求5所述的超声立体图像重建方法，其特征在于，所述固定图像集合和所述深度插值图像集合分别包括相互对应的第一固定像素和第一深度像素，以及第二固定像素和第二深度像素；所述方法具体包括：

遍历并计算所述固定图像集合的固定平均灰度值，以及所述深度插值图像集合的深度平均灰度值；

计算所述第一固定像素的灰度值和所述固定平均灰度值的差值，与所述第一深度像素的灰度值和所述深度平均灰度值的差值的第一乘积值，以及所述第二固定像素的灰度值和所述固定平均灰度值的差值，与所述第二深度像素的灰度值和所述深度平均灰度值的差值的第二乘积值，并根据所述第一乘积值和所述第二乘积值之和，计算所述第一相似度参数的第一相似度参量；

计算所述第一固定像素的灰度值和所述固定平均灰度值的差值的平方，与所述第二固定像素的灰度值和所述固定平均灰度值的差值的平方的第一总和值，以及所述第一深度像素的灰度值和所述深度平均灰度值的差值的平方，与所述第二深度像素的灰度值和所述深度平均灰度值的差值的平方的第二总和值，并根据所述第一总和值的算术平方根和所述第二总和值的算术平方根之积，计算所述第一相似度参数的第二相似度参量；

根据所述第一相似度参量与所述第二相似度参量的商，计算所述第一相似度参数。

7.根据权利要求4所述的超声立体图像重建方法，其特征在于，所述方法具体包括：

利用梯度下降法和牛顿梯度法至少其中之一，根据所述第一相似度参数对所述深度参数进行迭代优化。