[发明专利]一种基于梯度分布的非刚体医学图像配准方法

摘要

本发明公开了一种基于梯度分布的非刚体医学图像配准方法，步骤如下：S1，构造归一化互信息相似性测度；S2，构建梯度分布距离；S3，建立非刚体配准模型；S4，对配准模型进行求解。本发明不仅利用了待配准图像的灰度分布特性，而且考虑了医学图像的梯度分布信息，有效的完成了医学图像的非刚体配准。而且不需要对待配准图像进行特征提取及分割等预处理，而是利用两幅图像灰度值的联合概率分布，计算待配准图像间的归一化互信息，对灰度差异较大的医学图像也有较好的配准效果，自适应性和鲁棒性较强。

主权项

1.一种基于梯度分布的非刚体医学图像配准方法，其特征在于，步骤如下：S1，构建归一化互信息相似性测度；S2，构建待配准图像的梯度分布距离； K L D ( ▿ F ( T μ ( x ) ) | | ▿ R ( x ) ) = Σ d Σ x q ~ d ( f j ) log q ~ d ( f j ) p ~ d ( r i ) = Σ d [ H ( q ~ d ) - Σ x q ~ d ( f j ) log p ~ d ( r i ) ] - - - ( 12 ) ; ]]>式中，d为待配准图像的维度，为在空间变换Tμ作用下浮动图像的梯度；为在空间变换Tμ作用下参考图像的梯度；q为空间变换下浮动图像的梯度分布；p为空间变换下参考图像的梯度分布；S3，基于自由形态形变建立非刚体配准模型； μ * = arg min μ E ( F ( g ( x ; μ ) ) , R ( x ) ) = arg min μ { - N M I ( F ( g ( x ; μ ) ) , R ( x ) ) + λ K L D ( ▿ F ( g ( x ; μ ) ) | | ▿ R ( x ) ) } - - - ( 15 ) ; ]]>式中，E表示目标函数，其中第一项代表归一化互信息，第二项是待配准图像间的梯度分布距离，λ为权重因子，用来平衡目标函数中两项间的权重；S4，采用L-BFGS优化算法对建立的非刚体配准模型进行求解，得到非刚体形变参数，实现医学图像的精确配准。