[发明专利]一种基于椭球模型的非刚性医学图像抗旋转配准方法

摘要

本发明公开了一种基于椭球模型的非刚性医学图像抗旋转配准方法。所述方法在对图像进行初始变换，获取图像特征点和最小特征矩形域的前提下，采用椭球模型对图像的最小特征矩形域进行划分，求取每个划分内像素灰度的平均值，作为该区域像素灰度的代表；依托像素灰度序列，采用傅里叶变换算法，求取图像旋转变换参数；对图像进行旋转变换，完成一次配准过程；通过减少椭球模型的划分参数，对图像进行再次划分和变换，逐步提升图像配准精度；重复上述过程，直至图像划分块数为1，此时对图像进行插值运算，实现图像配准。与现有的图像配准方法相比，本发明所述方法的配准速度更快、精度更高，鲁棒性更好。

主权项

1.一种基于椭球模型的非刚性医学图像抗旋转配准方法，其特征在于，所述方法包括以下步骤：1)图像基本变换：对原始图像进行变换，求取图像的特征点；2)构建图像的包含特征点的最小矩形域：构建最小矩形包含图像的特征点，以此作为确定待配准图像与参考图像的包含特征点的最小矩形域；3)以椭球模型对图像包含特征点的最小矩形域进行划分：以特征矩形域模板的中心为对称中心，以a(n‑i)/n和b(n‑i)/n，为长短焦半径，画同对称中心等离心率的椭圆，在特征矩形域的基础上，画出n个椭圆环，分别记作C_i，i＝0,1,2,...,n‑1；以特征矩形域模板的中心为圆心，并设置为起始点，对每个椭圆环再进行划分，将椭圆环C_i按角度均分成n个扇形区域，共将椭圆形模板划分为n²个扇形区，并将椭圆环内每个扇形区按顺时针方向做好标记，将其记为n²个扇形区S_ij，i,j＝0，1，2,...,n‑1；将每个扇形区内截取的环作为一个单位，每个单位对应的灰度值为该扇形区域内所包含的像素灰度的平均值f_ij，每一圆环输出n个灰度值，将其构成一维数组f_n(x)；靠近圆心的圆环包含像素少，中心部分用扇形区代替扇形环；4)确定旋转系数，实现初次旋转：对旋转前和旋转后得到的一维数组分别进行傅立叶变换，求其幅度谱，用傅立叶变换的幅度谱进行相关计算，寻求各相关系数的平均值的最大值，确定第一组旋转系数，对待配准图像进行第一次旋转变换得到图像I_n；5)多次重复旋转：减小椭球划分模型的参数n，对待配准图像I_n进行椭球模型拆分，重复步骤3)和4)，确定第二组旋转系数f_n/2，对待配准图像I_n进行旋转变换得到图像I_n/2；重复步骤5)，直至n＝1；6)当n＝1时，对待配准图像进行最后一次旋转变换得到图像I₁，对图像进行插值处理后即得到配准后图像。