[发明专利]一种基于差异绝对值总和及任意阶全变分的可变形图像配准方法

说明书

一种基于差异绝对值总和及任意阶全变分的可变形图像配准方法，属于图像处理技术领域，本发明是为了提高变分框架下的图像配准过程中正则化的普遍性和求解器的效率。本发明中的图像配准变分模型结合了最先进的差异绝对值总和和新的任意阶全变分正则化项，使得图像配准结果中保留了结果变形中的不连续，同时对离群噪声具有鲁棒性。本发明中的优化算法首先将线性化应用到问题中，以制定一个凸目标函数，然后使用快速、超松弛的交叉方向乘子法(ADMM)将结果的凸优化分解为几个点级封闭形式的子问题。利用本发明提出的算法，可以证明求解高阶变分公式与求解低阶变分公式是相似的。大量的实验表明，本发明在可变形图像配准领域明显优于次梯度、原对偶算法以及基于深度学习和自由形式变形的最先进的方法，特别是当使用高阶导数时，本发明的优势更加明显。

技术领域

本发明涉及一种基于差异绝对值总和及任意阶全变分的可变形图像配准方法，属于医学图像分析技术领域。

背景技术

图像配准是将两个或多个相同或相似物体的图像从不同的时间、视角或成像方式进行匹配的过程，已经广泛应用于许多领域。在医学成像中，配准可以直接比较在疾病发展的不同阶段拍摄的图像，这对疾病的诊断、治疗和监测至关重要。

在单模态配准的情况下，一般可以使用变分框架。估计几何变换(变形)的一种常见方法是最小化扭曲源图像之间的差异平方和(SSD)。但这一方法容易对异常噪声不稳健，为了克服这一点，如何选择最优正则项，允许合理和可靠的变形尤为重要，在相关文献中，正则化的范围从使用一阶导数，如扩散正则化，全变分正则化，流体正则化，有界变形正则化等，到使用高阶对等物，如弯曲能量，双谐波正则化、线性/非线性弹性正则化、平均曲率正则化、高斯曲率正则化等。

然而，目前的正则化仍然存在局限性：一阶正则化允许不连续，但不足以产生平滑变形；二阶正则化虽能生成全局平滑和局部变形场，但不能保证变形中的不连续性；一些高阶正则化是非凸的，再加上一个几乎不可避免的非凸数据项，设计有效的数值算法来优化这种涉及对偶非凸性的能量泛函变得非常困难；几乎所有的高阶模型都是二阶的。当使用高于2的导数阶时，数值会有什么变化是未知的；非局部和分数方法使用更多的图像像素点定义导数，这使得整体实现复杂度较高且效率较低。基于时间推进方案的显式方法，速度却又非常缓慢。同时，处理偏微分方程的这些算法需要先进的离散化知识，并且很难实现高阶偏微分方程(例如四阶以上)。此外，为了达到较高的精度(如机器精度)，需要足够大的迭代次数，从而导致收敛速度较慢。为了克服现有图像配准方法的局限性，这就需要一种新的模型和算法能够解决求解函数困难、收敛速度慢、迭代次数多的问题，同时能够保持变形结果中的不连续性，对异常噪声具有很好的鲁棒性。

发明内容

本发明要解决的技术问题是：

本发明目的是为了解决目前图像配准模型在求解模型参数(框架)时由于采用低阶正则化方法致使图像配准模型对包含不连续区域、异常值噪声图像进行配准时的弱鲁棒性、配准速度慢，从而影响配准效果。为此，本发明提供了一种基于差异绝对值总和及任意阶全变分的可变形图像配准方法。

本发明为解决上述技术问题所采用的技术方案为：

一种基于差异绝对值总和及任意阶全变分的可变形图像配准方法，所述方法是按照如下步骤进行的：

S1、获取待配准的具有完整运动周期的心脏MRI图像对(心脏MRI图像包括长轴视图和短轴视图)，每个待配准图像对包括固定图像和浮动图像，均挑选舒张末期(ED)和收缩末期(ES)帧的图像对，在进行重采样到相同体积大小的预处理后，作为有效的训练数据；