專利名稱：X射線圖像和激光圖像的異源圖像配準方法
技術領域：
本發(fā)明屬于圖像處理技術領域，具體是一種異源圖像配準方法。所謂圖像配準是指依據(jù)相似性度量準則得到圖像間的坐標變換參數(shù)，使得從不同傳感器、不同視角和不同時間獲取的同一場景的兩幅或多幅圖像變換到同一坐標系下。
背景技術：
近20年來，有各國研究者深入圖像配準方法的研究，對于同源圖像配準實用算法研究較為成熟和完善。Brown詳細地總結了九十年代之前配準技術成果，Zitova詳細總結了九十年代至今出現(xiàn)的相關技術和方法，這些圖像配準研究的基本都是局限于同源圖像配準的方法。相對于傳統(tǒng)的同源圖像而言，異源圖像的最大特點在于其配準的是目標來自在不同傳感器不同機理產(chǎn)生的特征圖像，異源點之間的灰度值基本不具有共性信息，因此許多同源圖像配準算法針對異源圖像已無能為力，學者又針對各種異源圖像配準開發(fā)的新算法，異源圖像的來源主要是激光圖像、可見光圖像、紅外圖像、熱紅外圖像、近紅外圖像，各種波段的光譜之間的配準，及醫(yī)學圖像上包括X射線、CT(Computed Tomograhy, 計算機斷層成像)、MRI (Magnetic Resonance Imaging,磁共振成像)、US (Ultrasonic Sound,超聲成像)、CTA (Computed Tomographic Angiography 計算機斷層血管成像術)、 MRA(Magnetic Resonance Angiography, il^lgiil'Wj^ft ^ ) >PET (positron Emission Tomography，正電子發(fā)射斷層成像)、SPECT (Single Photon Emission-CT，單光子發(fā)射斷層成像)等圖像之間配準等。但基于激光與X射線的圖像配準尚未有學者進行深入研究。通過對各類圖像配準方法的研究可以看出，通常不同的圖像配準方法適用于不同類型的圖像配準。尤其是異源圖像配準，還沒有任何一種通用的圖像配準方法能適用于所有異源圖像配準問題。

發(fā)明內(nèi)容
為了解決現(xiàn)有技術中存在的上述問題，本發(fā)明提出一種X射線圖像和激光圖像的異源圖像配準方法(本技術方案中x射線圖像是指物體經(jīng)X射線照射得到的圖像；激光圖像是指物體經(jīng)激光射線照射后，經(jīng)CCD成像設備拍攝得到的圖像)，具體技術方案如下一種X射線圖像和激光圖像的異源圖像配準方法，用X射線對物體照射，采集物體的X射線圖像，該X射線圖像是X射線透射物體得到的圖像；用激光對同一物體進行照射， 采集物體的激光圖像，該激光圖像是激光照射到物體表面反射得到的圖像；所述配準方法的步驟包括1)對采集到的X射線圖像和激光圖像進行預處理，來抑制圖像噪聲點的干擾；2)對激光圖像邊緣進行修正；3)分別提取X射線圖像和激光圖像的特征，并進行粗匹配3-1)通過Hessian矩陣求取兩類圖像的特征點候選集合，提取合適的特征點；該特征點本質(zhì)上就是圖像的優(yōu)選邊、角等特征。具體求解方法如下表所示
權利要求
1.一種X射線圖像和激光圖像的異源圖像配準方法，其特征是用X射線對物體照射，采集物體的X射線圖像，該X射線圖像是X射線透射物體得到的圖像；用激光對同一物體進行照射，采集物體的激光圖像，該激光圖像是激光照射到物體表面反射得到的圖像；所述配準方法的步驟包括1)對采集到的X射線圖像和激光圖像進行預處理，來抑制圖像噪聲點的干擾；2)對激光圖像邊緣進行修正；3)分別提取X射線圖像和激光圖像的特征，并進行粗匹配3-1)通過Hessian矩陣求取兩類圖像的特征點候選集合，提取合適的特征點； 3-2)對特征點所在局部圖像的特征用向量形式描述，得到特征向量； 3-3)對兩圖像的特征向量和特征點分別進行兩兩比較，找出相互匹配的若干對特征點，建立兩圖像間的對應關系；4)X射線圖像和激光圖像的精確配準用互信息表示的相似性測度對兩圖像進行精確配準，通過對完整的激光圖像尋找一個仿射變換即旋轉參數(shù)和平移參數(shù)，該仿射變換對應的X射線圖和激光圖像的互信息最大， 此時X射線圖像和完整的激光圖像實現(xiàn)精確配準。
2.根據(jù)權利要求1所述的X射線圖像和激光圖像的異源圖像配準方法，其特征是所述步驟1)的預處理方法是，制作平整的正方形標定塊，通過中值濾波對標定塊X射線和標定塊激光圖像進行噪聲濾波預處理。
3.根據(jù)權利要求2所述的X射線圖像和激光圖像的異源圖像配準方法，其特征是所述步驟2)中，先對預處理后的激光圖像進行二值化；再用數(shù)學形態(tài)學腐蝕運算，消除標定塊激光圖像邊緣的毛刺；然后用膨脹運算，使圖像邊緣空洞的邊界向外擴張，經(jīng)過膨脹操作， 把這些洞將被補上。
4.根據(jù)權利要求3所述的X射線圖像和激光圖像的異源圖像配準方法，其特征是所述步驟3)中，先進行特征檢測設圖像I中，點i = J))定義在尺度σ上的Hessian矩陣為 「4 ( ,σ) ^(χ,σ) Η=τ - 、 τ - 、(1.6) ,σ) Lyy(X^a)其中4㈣= A^W2; 2πσr ^表示高斯濾波二階導‘對σ)與原始圖像I = (x, y)卷積；Lxx\x^a)dxr r9 μ表示高斯濾波二階導^對σ)與原始圖像I = (χ, y)卷積； L XyKx^)dxdyτ r μ表示高斯濾波二階導&對σ)與原始圖像I = (χ, y)卷積；Lyy\X^(J)Oy構建積分圖像，點$ = 力處積分圖像4⑶定義為由原點和叉構成的矩形區(qū)域內(nèi)所有i<x j^y像素值的和MA = YlAi,!)(1.7)所述二階高斯濾波ο是通過在原始圖像I上，擴大方框濾波模板的方框的大小來形成尺度不同的圖像金字塔，得到不同的方框濾波模板值；初始層的方框濾波模板值對應的尺度因子為σ ；對應二階高斯濾波ο、相應的尺度值為 s = σ ;繼續(xù)求解Hessian矩陣的行列式值
5.根據(jù)權利要求1所述的X射線圖像和激光圖像的異源圖像配準方法，其特征是所述步驟4)中，互信息用熵來表示對于概率分布函數(shù)為P(a)的隨機變量集A，其熵H(A)定義如下 H(A) = - Σ ρ (a) Iogp (a) a e A (1. 10)對兩個圖像，它們的離散的隨機變量集分別是A和B，它們的邊緣概率分布函數(shù)分別是 P (a)和ρ (b)，聯(lián)合概率分布函數(shù)是pAB (a, b)，則隨機變量A和B的聯(lián)合熵定義如下 H (A) = - Σ ρ (a) Iogp (a) log (b) a e Ab e B (1. 11)如果H(A/B)表示已知B是A的條件熵，那么H㈧與H(A/B)的差值，就代表了在B中包含的A的信息，即互信息；因此兩個隨機變量集間的互信息定義為 I(A, B) = H (A)+H (B)-H (A，B)
全文摘要
一種X射線圖像和激光圖像的異源圖像配準方法，用X射線對物體照射，采集物體的X射線圖像，該X射線圖像是X射線透射物體得到的圖像；用激光對同一物體進行照射，采集物體的激光圖像，該激光圖像是激光照射到物體表面反射得到的圖像；所述配準方法的步驟包括1)對采集到的X射線圖像和激光圖像進行預處理，來抑制圖像噪聲點的干擾；2)對激光圖像邊緣進行修正；3)分別提取X射線圖像和激光圖像的特征，并進行粗匹配；4)X射線圖像和激光圖像的精確配準。與現(xiàn)有技術相比，本發(fā)明先對規(guī)則形狀的標定塊的X射線與激光圖像進行粗配準，然后進行精確配準，歸一化互信息極值結果表明，X射線與激光圖像配準精確有效。
文檔編號G06T5/00GK102208109SQ20111017069
公開日2011年10月5日 申請日期2011年6月23日 優(yōu)先權日2011年6月23日
發(fā)明者居榮華, 汪希偉, 洪冠, 趙茂程 申請人:南京林業(yè)大學