CN108682025A - 一种图像配准方法及装置 - Google Patents
一种图像配准方法及装置 Download PDFInfo
- Publication number
- CN108682025A CN108682025A CN201810503693.4A CN201810503693A CN108682025A CN 108682025 A CN108682025 A CN 108682025A CN 201810503693 A CN201810503693 A CN 201810503693A CN 108682025 A CN108682025 A CN 108682025A
- Authority
- CN
- China
- Prior art keywords
- image
- registration
- subject
- segment
- benchmark
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000006073 displacement reaction Methods 0.000 claims abstract description 130
- 238000012545 processing Methods 0.000 claims description 21
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 210000004185 liver Anatomy 0.000 description 26
- 210000000056 organ Anatomy 0.000 description 19
- 238000010586 diagram Methods 0.000 description 11
- 210000004072 lung Anatomy 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 230000010412 perfusion Effects 0.000 description 6
- 238000005457 optimization Methods 0.000 description 5
- 235000013399 edible fruits Nutrition 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000000241 respiratory effect Effects 0.000 description 3
- 210000000683 abdominal cavity Anatomy 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 210000000115 thoracic cavity Anatomy 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 229920001971 elastomer Polymers 0.000 description 1
- 239000000806 elastomer Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000003019 respiratory muscle Anatomy 0.000 description 1
- 210000000952 spleen Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30061—Lung
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种图像配准方法及装置,获取基准图像与待配准图像,作为当前基准图像与当前待配准图像;确定图像分块结果;将当前基准图像与当前待配准图像中相互对应的两个图块,作为基准图块和待配准图块;确定对应图块的相似度;根据相似度,确定待配准图块的目标位移量;使待配准图块按照目标位移量进行移动,完成本次配准,判断是否达到配准结束条件,若是,则结束配准,若否,则将本次配准后的待配准图像作为当前待配准图像,重新确定图像分块结果,以开始下一次配准操作。本申请能够提高图像配准速度,还能够提高图像配准结果的准确性。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种图像配准方法及装置。
背景技术
随着医学影像学的不断发展,医学图像分析成为临床诊断一项非常重要的内容,医学图像配准的问题被逐渐提出来,并成为医学图像研究领域的热门专题之一。医学图像配准是指对于一幅医学图像寻求一种或者一系列的空间变换,使它与另一幅医学图像上的对应点达到空间上的一致,这种一致是指人体上的同一解剖点在两幅匹配的图像上具有相同的空间位置,配准的结果应使两幅图像上所有的解剖点,或者至少是所有具有诊断意义的解剖点及手术感兴趣点都能够达到匹配。
在一些特定扫描应用中,需要在呼吸运动周期的不同时相扫描图像,比如,动态心肌灌注图像的采集、肝脏灌注图像的采集等,但是,患者的一些器官会因呼吸而运动,从而使得同一器官在不同扫描时刻的成像图像中存在位置差异,此外,同一器官在不同扫描设备的成像图像中也会存在位置差异。在这些应用中,图像配准非常重要。例如,在动态心肌灌注或肝脏灌注的应用中,灌注值是根据器官上某一位置在不同时间点的组织密度值生成的“时间-密度曲线”计算得到的血流量、血容量以及达峰时间等,因此,利用图像配准的结果使器官上的同一点在不同时间点能够匹配的上,对灌注值计算的准确性是至关重要的。
目前,医学图像配准方法主要有两种,分别是刚性配准和弹性配准。刚性配准是利用体素、特征点、边缘特征等信息进行配准,通常对于针对仅有平移、旋转和仿射变化的图像配准精确度和可靠性较高。然而,关于图像中的被成像对象,比如,上述因呼吸运动而存在位置差异的肝脏,因其相对位置随时间不同而发生变化,当采用刚性配准对不同时间点对应的肝脏图像进行配准时,会产生明显的误配结果,此时一般采用弹性配准方法,常见的有基于弹性体的、基于流体的以及基于光流体的方法,但弹性配准的模型一般计算复杂度较高,需要辅助加速以提高配准速度。以上两种基本配准方法,即使经过了优化和加速,实时性仍然难以保证。
发明内容
本申请实施例的主要目的在于提供一种图像配准方法及装置,不但能够提高图像配准速度,还能够提高图像配准结果的准确性。
本申请实施例公开了如下技术方案:
第一方面,本申请实施例提供了一种图像配准方法,包括:
获取基准图像与待配准图像,所述基准图像与所述待配准图像为同一被成像对象在不同成像条件下生成的三维图像;
将所述基准图像与所述待配准图像,分别作为当前基准图像与当前待配准图像;
确定图像分块结果,所述图像分块结果为将当前基准图像与当前待配准图像按照所述被成像对象的实际运动方向采用相同方式进行分块的结果,其中,本次的分块数量大于上一次的分块数量;
将当前基准图像与当前待配准图像中相互对应的两个图块,分别作为基准图块和待配准图块;
确定所述基准图块与所述待配准图块之间的相似度;
根据所述相似度,确定对所述待配准图块在所述实际运动方向上进行位置调节的目标位移量,使所述待配准图块按照所述目标位移量进行移动,完成本次配准操作;
判断是否达到配准结束条件,若是,则结束配准,若否,则将本次配准操作后的待配准图像作为当前待配准图像,重新执行所述确定图像分块结果的步骤。
第二方面,本申请实施例提供了一种图像配准装置,包括图像获取单元、图像确定单元、分块结果确定单元、图块确定单元、相似度确定单元、目标位移量确定单元和配准结束判断单元:
所述图像获取单元,用于获取基准图像与待配准图像,所述基准图像与所述待配准图像为同一被成像对象在不同成像条件下生成的三维图像;
所述图像确定单元,用于将所述基准图像与所述待配准图像,分别作为当前基准图像与当前待配准图像;
所分块结果确定单元,用于确定图像分块结果,所述图像分块结果为将当前基准图像与当前待配准图像按照所述被成像对象的实际运动方向采用相同方式进行分块的结果,其中,本次的分块数量大于上一次的分块数量;
所述图块确定单元,用于将当前基准图像与当前待配准图像中相互对应的两个图块,分别作为基准图块和待配准图块;
所述相似度确定单元,用于确定所述基准图块与所述待配准图块之间的相似度;
所述目标位移量确定单元,用于根据所述相似度,确定对所述待配准图块在所述实际运动方向上进行位置调节的目标位移量,使所述待配准图块按照所述目标位移量进行移动,完成本次配准操作;
所述配准结束判断单元,用于判断是否达到配准结束条件,若是,则结束配准,若否,则将本次配准操作后的待配准图像作为当前待配准图像,重新利用所述分块结果确定单元确定图像分块结果。
第三方面,本申请实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时,使得装置执行第一方面中一个或多个所述的图像配准方法。
第四方面,本申请实施例提供了一种机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得装置执行第一方面中一个或多个所述的图像配准方法。
本申请实施例提供一种图像配准方法及装置,获取基准图像与待配准图像,作为当前基准图像与当前待配准图像;确定图像分块结果;将当前基准图像与当前待配准图像中相互对应的两个图块,作为基准图块和待配准图块;确定对应图块的相似度;根据相似度,确定待配准图块的目标位移量;使待配准图块按照目标位移量进行移动,完成本次配准,判断是否达到配准结束条件,若是,则结束配准,若否,则将本次配准后的待配准图像作为当前待配准图像,重新确定图像分块结果,以开始下一次配准操作。由此可见,由于该配准方法会对图像进行分块,通过对待配准图块进行位置移动,可以对发生相对位置变化的被成像对象进行图像配准,而且,由于图像的分块数量会随着配准操作次数的增加而增多,图像的配准精度也会随之提高。此外,该配准方法复杂度较低,提高了图像配准速度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种图像配准方法的流程图;
图2为本申请实施例提供的肝脏随呼吸运动的示例图;
图3为本申请实施例提供的采用金字塔形式进行分块处理的结果示例图;
图4为本申请实施例提供的分块处理结果显示情况示例图;
图5为本申请实施例提供的当前基准图像和当前待配准图像在横断面的显示情况示例图;
图6为本申请实施例提供的基准图块与待配准图块之间相对位置关系示例图;
图7为本申请实施例提供的一种确定目标位移量的方法流程图;
图8a为本申请实施例提供的插值法计算初始位移量的示例图;
图8b为本申请实施例提供的对基准位移量进行平滑处理的示例图;
图8c为本申请实施例提供的一种基于上次分块利用双线性插值法计算本次分块对应的初始位移量的示例图;
图9为本申请实施例提供的利用像素分类特征生成特征图像的示例图;
图10为本申请实施例提供的一种图像配准装置的结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
经研究发现,在一些应用中,对于图像中的被成像对象,当其相对位置变化时,如果使用现有的刚性配准方法,则会产生明显的误配结果,如果使用现有的弹性配准方法,由于弹性配准中涉及到弹性配准模型一般计算复杂度较高,需要辅助加速以提高配准速度。
以图像中的被成像对象为肺部邻近的器官为例,其中,肺部邻近的器官包括心脏、肝脏、脾脏等器官。当呼吸运动进行时,肺部会随着呼吸运动而发生位移,肺部的位移会引起肺部邻近的器官的位移,这样,当在不同时间采集这些邻近器官的图像时,这些邻近器官在图像中的相对位置会发生变化。当需要对不同时间采集的这些邻近器官的图像进行配准时,如果采用刚性配准方法显然会将这些邻近器官在图像中的相对位置变化引入到整个计算结果中,导致配准结果的误差;如果采用弹性配准方法,则面临着模型的选择以及复杂的计算等问题。
为解决上述问题,本申请实施例提供了一种图像配准方法,由于该配准方法会对图像进行分块,可以针对图像中的被成像对象,在被成像对象的实际运动方向上对分块图块进行位置移动,通过位置移动来实现图像配准,避免了被成像对象在图像中相对位置变化造成的配准错误。另外,由于图像的分块数量会随着配准操作次数的增加而增多,随着图像分块数量的增多,图像的配准精度也会随之提高,从而提高了配准结果的精确度。此外,该配准方法相对于现有弹性配准方法,降低了配准计算的复杂度,从而提高了图像配准速度。
实施例一
下面将结合附图对本申请示例性实施例示出的一种图像配准方法进行介绍。本实施例所提供的图像配准方法可以针对不同的医学图像进行图像配准,为了便于描述,在本申请实施例中,可以以对肝脏图像进行配准为例进行介绍。
参见图1,为本申请实施例提供的一种图像配准方法的流程图,该方法可以包括以下步骤:
S101、获取基准图像与待配准图像,所述基准图像与所述待配准图像为同一被成像对象在不同成像条件下生成的三维图像。
在本实施例中,当图像中被成像对象比如肝脏在不同的成像条件下,其位置可能会由于肝脏的运动而发生变化,这样,可以将某一成像条件下肝脏的三维图像作为基准图像,将与该成像条件不同的成像条件下肝脏的三维图像作为待配准图像。其中,成像条件可以包括时间和/或成像设备。
S102、将所述基准图像与所述待配准图像,分别作为当前基准图像与当前待配准图像。
在本实施例中,将步骤S101获取的基准图像作为当前基准图像,并且,将步骤S101获取的待配准图像作为当前待配准图像。
S103、确定图像分块结果,其中,所述图像分块结果为将当前基准图像与当前待配准图像按照所述被成像对象的实际运动方向采用相同方式进行分块的结果,其中,本次的分块数量大于上一次的分块数量。
参见图2,图2示出了肝脏随呼吸运动的示例图。在图2中,肝脏位于腹腔中,肺部位于胸腔中,膈肌位于胸腹腔之间,成为胸腔的底和腹腔的顶。膈肌为最主要的呼吸肌,在吸气时,胸廓增大,肺扩张,膈肌下降,肝脏随之下降;在呼气时,胸廓变少,肺变小,膈肌上升恢复原位,肝脏随之上升恢复。也就是说,随着呼吸运动的进行,膈肌会上下往返运动,肝脏的位置也会随之上下往返运动。因此,当肝脏作为被成像对象时,被成像对象的实际运动方向为上下方向。
在本实施例中,可以按照被成像对象的实际运动方向进行相同方式的分块处理,而其他方向不做处理。例如,可以采用金字塔的形式对被成像对象在其实际运动方向进行分块,金字塔的层级可以表示配准操作的次数,每层金字塔中包括的被成像对象的分块数量越多可以表示块分辨率越高,那么,针对该层分块结果进行配准操作的配准精度越高。从金字塔的顶层至底层,层级逐渐增大,被成像对象被分块的数量逐渐增加,直到达到所需要的块分辨精度才停止。
以图2中被成像对象为肝脏,其实际运动方向为上下方向为例,采用金字塔形式进行分块处理的结果可以如图3所示。若采用4层分块金字塔结构进行分块,其金子塔结构可以如图3中(a)所示,此时金字塔的层级k=0,1,2,3,最高层数kmax=3。将肝脏图像按照上下方向分为m×n块,由高层到低层每层各分为4×4、8×8、16×16和32×32块,其他方向不做处理。其中,分块为4×4、8×8、16×16和32×32块时,各层分块在横断面的显示情况依次如图3中(b)、(c)、(d)和(e)所示。
为便于理解,现对8×8的分块处理结果进行具体说明,其它分块处理结果与之类似,将不再赘述。具体地,若将肝脏图像(三维图像)在其实际运动方向进行分块处理,将其分成8×8块时,得到的分块处理结果可以如图4所示,从图4中可以看出,401示出了分块处理结果在横断面的显示情况,与图3中(c)所示的显示情况相对应;402示出了该分块处理结果在矢状面的显示情况;403示出了该分块处理结果在冠状面的显示情况;404示出了该分块处理生成的一个图块,可以理解的是,生成的8个图块应是彼此相邻排列的8个六面体。其中,横断面可以表示从人体的头顶向下看,冠状面可以表示从人体的正面看,矢状面可以表示从人体的侧面看。
在本实施例中,可以基于上述介绍的分块处理方法对当前基准图像与当前待配准图像进行相同方式的分块处理,从而得到图像分块结果。
在本实施例中,本次的分块数量应大于上一次的分块数量。例如,当采用如图3所示的金字塔形式进行分块处理时,若上一次对当前基准图像与当前待配准图像在被成像对象的实际运动方向进行4×4的分块处理,那么,本次可以对当前基准图像与当前待配准图像在被成像对象的实际运动方向可以进行8×8的分块处理。
S104、将当前基准图像与当前待配准图像中相互对应的两个图块,分别作为基准图块和待配准图块。
对当前基准图像与当前待配准图像在被成像对象的实际运动方向进行相同方式的分块处理后,可以生成各自的图块。以对当前基准图像与当前待配准图像在被成像对象的实际运动方向进行4×4的分块处理为例,得到的当前基准图像和当前待配准图像在横断面的显示情况可以如图5所示,其中,501示出的是当前基准图像在横断面的显示情况,502示出的是当前待配准图像在横断面的显示情况。
在本实施例中,可以对当前基准图像分块处理后得到的图块进行标识,参见501,例如可以采用坐标形式依次标识为(1,1)、(1,2)……(4,3)、(4,4),相应地,可以对当前待配准图像分块处理后得到的图块进行标识,参见502,例如可以采用坐标形式依次标识为(1’,1’)、(1’,2’)……(4’,3’)、(4’,4’)。这样,当前基准图像中标识为(1,1)的图块与当前待配准图像中标识为(1’,1’)的图块相互对应,当前基准图像中标识为(1,2)的图块与当前待配准图像中标识为(1’,2’)的图块相互对应,以此类推,可以得到当前基准图像与当前待配准图像中所有相互对应的两个图块。
对于每对当前基准图像与当前待配准图像中相互对应的两个图块来说,以当前基准图像中标识为(1,1)的图块和当前待配准图像中标识为(1’,1’)的图块为例,其中,当前基准图像中标识为(1,1)的图块可以作为基准图块,当前待配准图像中标识为(1’,1’)的图块可以作为待配准图块。
S105、确定所述基准图块与所述待配准图块之间的相似度。
需要说明的是,若基准图块与待配准图块之间的相似度较高,说明被成像对象在基准图块与待配准图块中的位置差异较小,因此,可以通过后续步骤对待配准图块进行较小幅度的位置调节;反之,若基准图块与待配准图块之间的相似度较低,说明被成像对象在基准图块与待配准图块中的位置差异较大,因此,可以通过后续步骤对待配准图块进行较大幅度的位置调节;这样,通过对各个待配准图块进行位置调节,以此可以实现当前待配准图像与当前基准图像之间的图像配准。因此,可以首先计算每对基准图块与待配准图块之间的相似度。
还需要说明的是,本实施例需要进行一次或多次配准操作,每次配准操作仅对待配准图块进行所述实际运动方向上的位置调节,以肝脏为例,由于肝脏的实际运动方向是上下运动,因此后续步骤仅对待配准图块进行上下方向上的位置调节。基于此,在进行第一次配准操作之前,可以通过预先设置,使每对基准图块与待配准图块在水平方向上全部覆盖或部分覆盖,这样,在第一次配准操作时,由于待配准图块可能在上下方向上进行了位置调节,因此,在第二次配准操作之前,每对基准图块与待配准图块在水平方向上可能全部覆盖也可能部分覆盖,第三次、第四次等配准操作的图块覆盖情况依次类推。
作为一种示例,在确定基准图块与待配准图块之间的相似度时,该相似度可以采用基准图块与待配准图块之间相互覆盖的区域所对应的平均灰度差来表示。其中,该平均灰度差越小,可以表示基准图块与待配准图块之间的相似度越大。
基准图块与待配准图块之间相互覆盖的区域所对应的平均灰度差的计算公式可以为:
其中,k表示配准次数,表示第k次配准中,第m行第n列的基准图块与第m行第n列的待配准图块之间的相似度;Ωf表示基准图块中与待配准图块相互覆盖的区域,Ωr表示待配准图块中与基准图块相互覆盖的区域;Nf表示Ωf中像素数量,Nr表示Ωr中像素数量;为第k次配准中,第m行第n列的待配准图块的位移,为待配准图块经过位移后,Ωf中第i行第j列的像素点对应的像素灰度值,为Ωr中第i行第j列的像素点对应的像素灰度值。
举例来说,如图6所示,图6示出了某对基准图块与待配准图块之间的相对位置关系,图中601为基准图块,602为待配准图块,在以对肝脏图像进行配准为例的情况下,待配准图块相对于基准图块的实际运动方向为沿z轴方向上下运动,图6中阴影部分603可以表示基准图块中与待配准图块相互覆盖的区域Ωf,阴影部分604可以表示待配准图块中与基准图块相互覆盖的区域Ωr。这样,将阴影部分603中基准图块所对应的各个像素点的像素灰度值与阴影部分604中待配准图块所对应的各个像素点的像素灰度,带入上述公式(1)进行计算,便可以得到基准图块与待配准图块之间相互覆盖的区域所对应的平均灰度差ΔI。ΔI越小,表示基准图块与待配准图块之间相互覆盖的区域的差异性越小,从而表示基准图块与待配准图块之间的相似度越大。
S106、根据所述相似度,确定对所述待配准图块在所述实际运动方向上进行位置调节的目标位移量。
由于本实施可能需要通过多次的配准操作,来确定对每个待配准图块在所述实际运动方向上进行位置调节的目标位移量,针对每次配准操作,可以采用相应的优化算法,比如遍历、梯度下降、一维搜索等优化算法,根据S104中得到的相似度,来确定该次配准操作对每个待配准图块在实际运动方向上进行位置调节的位移量,本实施例将该位移量作为目标位移量。
S107、使所述待配准图块按照所述目标位移量进行移动,完成本次配准操作。
对于本次分块得到的各个待配准图块,将每一待配准图块在所述实际运动方向上按照所述目标位移量进行移动,从而实现一次配准。
S108、判断是否达到配准结束条件,若是,则结束配准,若否,则将本次配准操作后的待配准图像作为当前待配准图像,重新执行步骤S103。
当执行完本次配准操作后,可以确定是否达到配准结束条件,若达到,则完成图像的配准,若没达到,则仍将步骤S101获取的基准图像作为当前基准图像,但是,将步骤S107配准后的待配准图像作为当前待配准图像,然后重新执行步骤S103,继续下一次配准操作,直至达到配准结束条件为止。
需要说明的是,对于每一待配准图块,其在所述实际运动方向上进行的总位移量不应超过预设的位移阈值,该位移阈值应根据步骤S101中的被成像对象而定,例如,假设所述被成像对象为肝脏,肝脏随膈肌运动时,其向上的总位移量不超过30mm,其向下的总位移量也不超过30mm,因此,可以根据30mm设定待配准图块对应的位移阈值,基于此,在配准结束后,相对于步骤S101获取的基准图像与待配准图像来讲,如果待配准图块的总位移量超过该位移阈值,则说明配准错误,可以重新进行配准或采取其他措施。
本申请实施例提供的一种图像配准方法,获取基准图像与待配准图像,作为当前基准图像与当前待配准图像;确定图像分块结果;将当前基准图像与当前待配准图像中相互对应的两个图块,作为基准图块和待配准图块;确定对应图块的相似度;根据相似度,确定待配准图块的目标位移量;使待配准图块按照目标位移量进行移动,完成本次配准,判断是否达到配准结束条件,若是,则结束配准,若否,则将本次配准后的待配准图像作为当前待配准图像,重新确定图像分块结果,以开始下一次配准操作。由此可见,由于该配准方法会对图像进行分块,通过对待配准图块进行位置移动,可以对发生相对位置变化的被成像对象进行图像配准,而且,由于图像的分块数量会随着配准操作次数的增加而增多,图像的配准精度也会随之提高。此外,该配准方法复杂度较低,提高了图像配准速度。
实施例二
在本实施例中,由于对当前基准图像与当前待配准图像,按照所述被成像对象的实际运动方向进行相同方式的分块处理,将得到多对基准图块和待配准图块,而针对每一对基准图块和待配准图块都会计算出与之对应的相似度,进而确定出每个待配准图块对应的目标位移量。在这种情况下,如果每一块待配准图块按照与该待配准图块对应的目标位移量进行移动,由于多个目标位移量可能不同,甚至可能差距比较大,从而导致移动后得到的待配准图像的变化幅度比较大,即,有的待配准图块过于凸起,有的待配准图块过于凹陷。
为此,基于前述实施例一提供的图像配准的方法,本实施例提供一种确定目标位移量的方法。参见图7,图7示出了一种确定目标位移量的方法流程图,该方法包括:
S701、根据所述相似度,确定对所述待配准图块在所述实际运动方向上进行位置调节的基准位移量。
针对每一对基准图块和待配准图块都会计算出与之对应的相似度,与实施例一中的S106类似,可以采用相应的优化算法,比如遍历、梯度下降、一维搜索等优化算法,根据步骤S105中得到的相似度,来确定该次配准操作对每个待配准图块在实际运动方向上进行位置调节的位移量,本实施例将该位移量作为基准位移量。这样,对于多对基准图块和待配准图块来说,便可得到多个基准位移量。
S702、通过对各个所述待配准图块对应的基准位移量进行平滑处理,得到对各个所述待配准图块在所述实际运动方向上进行位置调节的目标位移量。
由于多个基准位移量可能不同,甚至可能相差比较大,通过对各个待配准图块对应的基准位移量进行平滑处理,从而可以减小各个待配准图块对应的基准位移量之间的差距,使得移动后得到的待配准图像的变化比较平缓,从而降低了本次配准结果的配准误差。
在本实施例中,对待配准图块对应的基准位移量进行平滑处理的实现方式可以是,在每次图像配准中,针对每对图块能计算出其中待配准图块对应的基准位移量,将所有的基准位移量按待配准图块的位置排列,能够生成一幅位移图,该位移图各位置的灰度值表示该位置的待配准图块对应的基准位移量,该位移图经过平滑处理后,得到平滑后的位移图,平滑后的位移图中各位置的灰度值表示该位置的待配准图块对应的目标位移量。
以图8a所示为例,8a示出了在8×8的分块情况下对生成的位移图进行平滑处理的示例图,其中,801是基准位移量按待配准图块的位置排列,生成的位移图;802是对801进行高斯平滑处理后得到的平滑后的位移图。通过801和802的比较可以看出,801中各位置的灰度值尤其是中心位置和边缘位置之间的灰度值差距较大,即待配准图块对应的基准位移量相差较大。而802中各位置的灰度值差距较小,即待配准图块对应的目标位移量变化比较平缓。
进一步地,在本实施例中,可以在完成上一次配准操作后,确定本次配准操作的初始位移量,这样,在本次配准操作中,使每一待配准图块,先按照初始位移量进行初步的位置调节,再按照基于相似度计算得到的目标位移量进行进一步的位置调节,这样,可以提高本次配准操作的配准精度。
因此,在进行本次配准操作的过程中,即,在重新执行S103“确定图像分块结果”之后,可以按照本次分块数量,将上一次分块得到的各个图块对应的目标位移量进行插值处理,以获取本次分块得到的各个图块对应的初始位移量,将所述本次分块得到的各个图块按照所述对应的初始位移量进行移动,形成当前待配准图像。
举例来说,如图8b所示,为便于描述,以上一次对待配准图像进行分块得到2个待配准图块为例,分别为图块A和B,图块A和B对应的目标位移量依次是9和4。对待配准图像进行重新分块后,如图8b中虚线所示,本次分块的数量为4,其中,图块A在本次分块后被分为图块A1和A2,图块B在本次分块后被分为图块B1和B2。这样,可以将图块A对应的目标位移量9作为本次分块后图块A1的初始位移量,将图块B对应的目标位移量4作为本次分块后图块B1的初始位移量,并通过对图块A1的初始位移量9和图块B1的初始位移量4进行插值,从而计算得到图块A2和图块B2的初始位移量。
插值方法有很多,如最邻近插值、双线性插值、B样条插值等等。
下面以双线性插值法为例对插值处理进行介绍。第k(k=1、2、3…..)层的位移图像可以是一幅二维图像,其行数为第k层分块的行数m,列数为第k层分块的列数n,其中,由低到高每层的位移图像的规格分别为4*4(k=1),8*8(k=2),16*16(k=3),32*32(k=4),位移图像的灰度值为对应图块的位移值也就是说,位移图像中每一图块的像素值是相同的,也即每一图块对应的位移值是相同的。
以k=1为例,其位移图像如图8c中左侧图像所示,假设该位移图像示出了上一次分块得到的各个图块对应的目标位移量。那么,本次分块得到的分块结果即为第k+1层(第2层)的分块结果,其分块结果如图8c中右侧图像所示,得到的位移图像规格应该是8*8。
若需要计算第k+1层(第2层)位移图像的每一图块对应的灰度值(即位移值),可以选择第k+1层每一图块中的任一像素点,该像素点可以是其所属图块的中心像素点,由于每一图块中各个像素点的灰度值应相同,因此,当计算得到该像素点的灰度值后,相当于计算得到其所属图块中各个像素点的灰度值。
可以按照下述方式计算每一图块中被选像素点灰度值:
以图8c右侧图中的被选像素点为例,当第k+1层位移图像左上角为原点时,该被选像素点的像素坐标(Xk+1 p,Yk+1 p)的计算公式为:
Xk+1 p=(xk+1+0.5)*xspacingk+1;
Yk+1 p=(yk+1+0.5)*yspacingk+1;
xk+1代表该被选像素点所属图块在x轴上属于第M个图块(M=0,1…);yk+1代表该被选像素点所属图块在y轴上属于第N个图块(N=0,1…);Xk+1 p为该被选像素点距离y轴的像素长度,Yk+1 p为该被选像素点距离x轴的像素长度,xspacingk+1为第k+1层位移图像中单位像素点在x轴方向的像素长度,yspacingk+1为第k+1层位移图像中单位像素点在y轴方向的像素长度。
然后,由于该被选像素点在K层位移图像中存在与之对应的一个像素点,计算该对应像素点的浮点型像素坐标(Xk,Yk):
Xk=Xk+1 p/xspacingk;
Yk=Yk+1 p/yspacingk;
其中,xspacingk为第k层位移图像中单位像素点在x轴方向的像素长度,yspacingk第k层位移图像中单位像素点在y轴方向的像素长度。
接着,令x=Xk,y=Yk,并在k层位移图像中,找到与(x,y)点相邻的左上角、右上角、左下角、右下角的具有整数点坐标(坐标值为整数的点)的像素点,分别为点Q11,Q21,Q12和Q22,如图8c中左侧位移图像所示。令x1和y1分别为Q11点的行坐标和列坐标,令x2和y2分别为Q22点的行坐标和列坐标,那么k+1层位移图像中(x,y)点的灰度值计算方法如下:
其中,f(x,y)为第k+1层位移图像中被选像素点的灰度值,即为对应的块的位移值f(Q11)为第k层中Q11对应的灰度值,f(Q21)第k层中Q21对应的灰度值,f(Q12)第k层中Q12对应的灰度值,f(Q22)第k层中Q22对应的灰度值,f(Q11)、f(Q21)、f(Q12)和f(Q22)为已知的,从而计算得到k+1层位移图像的灰度值,即得到k+1层块的位移值。
可以理解的是,随着配准操作次数的增多,分块的数量也随之增加,配准的精确度也会随之提高。在上一次配准操作后,待配准图块按照目标位移量进行移动相当于对待配准图块进行粗调,当重新分块后,按照本次分块的数量将上一次分块得到的各个图块对应的目标位移量进行插值处理,从而得到本次分块各个图块对应的初始位移量,并将各图像块按照对应的初始位移量进行移动相当于对待配准图块进行相对细调,移动的精确度较上一次更高,从而使得待配准图块初始位移量更加准确,有利于提高本次图像配准的精确度。
实施例三
需要说明的是,为实现图像配准,通常需要基于图像特征进行图像配准。因此,在本实施例中,可以预先从众多图像特征中,选定某一类图像特征或至少两类图像特征作为选定图像特征,然后,在上述实施例一中S103“确定图像分块结果”之前,根据选定的图像特征生成基准图像的特征图像,将所述基准图像的特征图像作为当前基准图像,以及根据选定的图像特征生成待配准图像的特征图像,将所述待配准图像的特征图像作为当前待配准图像。
其中,图像特征可以包括颜色特征、纹理特征、形状特征以及空间关系特征等等。在本实施例提供的肝脏的图像配准应用上,可以选择灰度特征、像素分类特征、梯度特征等其中的一类图像特征,或者几类图像特征的组合。在图1至图8b所对应的实施例中,主要是以灰度特征作为选定图像特征(用于计算相似度)为例对图像配准进行介绍的。
前述实施例已经详细介绍了以灰度特征作为选定图像特征的图像配准方法,此处不再赘述。需要说明的是,在以灰度特征作为选定图像特征时,所生成的基准图像的特征图像实际上是基准图像的原图像,且所生成的待配准图像的特征图像实际上也是待配准图像的原图像。
当以像素分类特征作为选定图像特征时,可以通过标记像素对基准图像中所包括的各个被成像对象进行区分,以被成像对象为器官为例,通过对基准图像中每个像素点进行分析,可以将属于同一器官的像素点标记为1,将不属于该器官的像素点标记为0,其中,0和1即为像素分类特征,这样,便可以将集中标记为1的器官区域对应于同一器官,例如,通过上述方式可以得到图9所示的A区域、B区域、C区域和D区域,其中,A区域、B区域、C区域和D区域是同一器官在不同视角下的显像。这样,当被成像对象为器官时,便可以根据像素分类特征生成基准图像的特征图像,将该特征图像作为当前基准图像,并且,根据像素分类特征生成待配准图像的特征图像,将该特征图像作为当前待配准图像。
当以梯度特征作为选定图像特征时,由于图像中梯度值比较大的位置可以表示两个相邻区域的边缘,这样,可以通过梯度计算确定出图像中所包括的被成像对象的边缘,从而确定该被成像对象在图像中的区域。这样,便可以根据梯度特征生成基准图像的特征图像,将该特征图像作为当前基准图像,并且,根据梯度特征生成待配准图像的特征图像,将该特征图像作为当前待配准图像。
当选取至少两类图像特征作为选定图像特征时,可以将该至少两类图像特征进行组合,并为每一类图像特征设置权重。以该至少两类图像特征包括梯度特征和像素分类特征为例,其中,梯度特征可以用X表示,像素分类特征可以用Y表示,则选定图像特征可以表示为AX+BY,其中,A为梯度特征的权重,B为像素分类特征的权重。
可以理解的是,由于图像中包括大量的特征信息,如果在进行图像配准时,利用基准图像与待配准图像中包括的所有特征信息进行图像配准,那么会大大增加图像配准的计算量,在这种情况下,本实施例可以将特征图像处理成积分图像,以减少图像配准的计算量,提高图像配准的速度。
因此,在本实施例中,为了减少图像配准过程的计算量,提高图像配准的速度,作为一种示例,在根据选定图像特征生成基准图像的特征图像之后,可以生成基准图像的特征图像对应的积分图像,从而将该积分图像作为当前基准图像,相应地,在根据选定图像特征生成待配准图像的特征图像之后,可以生成待配准图像的特征图像对应的积分图像,从而将该积分图像作为当前待配准图像。
通常情况下,利用积分图像可以快速处理局部图像特征,如Haar特征的计算、均值滤波、图像二值化等。
可以理解的是,积分图像中的任意一点(x,y)的值是指从图像的左上角到这个点所构成的矩形区域内所有的点的像素值之和,那么,通过读取积分图像中少量像素点,便相当于读取特征图像中的大量像素点。因此,利用基准图像和待配准图像各自对应的积分图像进行图像配准,可以大大减少图像配准的计算量,提高图像配准速度。
在上述实施例一的S108中,所述达到配准结束条件,可以是达到预设配准次数,或者是本次配准操作后的待配准图像满足预设配准要求。
因此,可以预设配准次数,当完成所有次配准操作后,可以认为达到配准结束条件,此时,不再执行S103-S108的步骤,停止配准。当然,除了完成所有次配准操作而结束配准操作外,由于配准操作是为了实现待配准图像与基准图像之间的配准,因此,当待配准图像满足预设配准要求,可以认为达到配准结束条件,此时,不再执行S103-S108的步骤,停止配准。
需要说明的是,由于在配准操作的过程中,是通过当前待配准图像包括的待配准图块与对应的基准图块之间的相似度来确定目标位移量的,当该相似度足够大时,待配准图块在实际运动方向上按照该目标位移量进行移动后,可以认为实现待配准图像与基准图像之间的配准,此时得到的待配准图像满足预设配准要求。因此,所述预设配准要求可以为,每对基准图块与待配准图块之间的相似度均大于预设阈值。
实施例四
基于实施例一至实施例三提供的一种图像配准方法,本申请实施例提供了一种图像配准装置,参见图10,包括图像获取单元1001、图像确定单元1002、分块结果确定单元1003、图块确定单元1004、相似度确定单元1005、目标位移量确定单元1006和配准结束判断单元1007:
所述图像获取单元1001,用于获取基准图像与待配准图像,所述基准图像与所述待配准图像为同一被成像对象在不同成像条件下生成的三维图像;
所述图像确定单元1002,用于将所述基准图像与所述待配准图像,分别作为当前基准图像与当前待配准图像;
所分块结果确定单元1003,用于确定图像分块结果,所述图像分块结果为将当前基准图像与当前待配准图像按照所述被成像对象的实际运动方向采用相同方式进行分块的结果,其中,本次的分块数量大于上一次的分块数量;
所述图块确定单元1004,用于将当前基准图像与当前待配准图像中相互对应的两个图块,分别作为基准图块和待配准图块;
所述相似度确定单元1005,用于确定所述基准图块与所述待配准图块之间的相似度;
所述目标位移量确定单元1006,用于根据所述相似度,确定对所述待配准图块在所述实际运动方向上进行位置调节的目标位移量,使所述待配准图块按照所述目标位移量进行移动,完成本次配准操作;
所述配准结束判断单元1007,用于判断是否达到配准结束条件,若是,则结束配准,若否,则将本次配准操作后的待配准图像作为当前待配准图像,重新利用所述分块结果确定单元确定图像分块结果。
可选的,所述装置还包括特征图像生成单元:
所述特征图像生成单元,用于根据选定的图像特征生成所述基准图像的特征图像,将所述基准图像的特征图像作为当前基准图像;根据所述选定的图像特征生成所述待配准图像的特征图像,将所述待配准图像的特征图像作为当前待配准图像。
可选的,所述装置还包括积分图像生成单元:
所述积分图像生成单元,用于根据选定的图像特征生成所述基准图像的特征图像;生成所述基准图像的特征图像对应的积分图像,并将所述基准图像的特征图像对应的积分图像作为当前基准图像;根据所述选定的图像特征生成所述待配准图像的特征图像;生成所述待配准图像的特征图像对应的积分图像,并将所述待配准图像的特征图像对应的积分图像作为当前待配准图像。
可选的,所述选定的图像特征包括选定的至少一类图像特征。
可选的,所述目标位移量确定单元1006,用于根据所述相似度,确定对所述待配准图块在所述实际运动方向上进行位置调节的基准位移量;通过对各个所述待配准图块对应的基准位移量进行平滑处理,得到对各个所述待配准图块在所述实际运动方向上进行位置调节的目标位移量。
可选的,所述装置还包括初始位移量确定单元和图块移动单元:
所述初始位移量确定单元,用于按照本次分块数量,将上一次分块得到的各个图块对应的目标位移量进行插值处理,以获取本次分块得到的各个图块对应的初始位移量;
所述图块移动单元,用于将所述本次分块得到的各个图块按照所述对应的初始位移量进行移动,形成当前待配准图像。
可选的,所述达到配准结束条件,包括:
达到预设配准次数,或者,本次配准操作后的待配准图像满足预设配准要求。
本申请实施例提供的图像配准装置,获取基准图像与待配准图像,作为当前基准图像与当前待配准图像;确定图像分块结果;将当前基准图像与当前待配准图像中相互对应的两个图块,作为基准图块和待配准图块;确定对应图块的相似度;根据相似度,确定待配准图块的目标位移量;使待配准图块按照目标位移量进行移动,完成本次配准,判断是否达到配准结束条件,若是,则结束配准,若否,则将本次配准后的待配准图像作为当前待配准图像,重新确定图像分块结果,以开始下一次配准操作。由此可见,由于该配准方法会对图像进行分块,通过对待配准图块进行位置移动,可以对发生相对位置变化的被成像对象进行图像配准,而且,由于图像的分块数量会随着配准操作次数的增加而增多,图像的配准精度也会随之提高。此外,该配准方法复杂度较低,提高了图像配准速度。
本申请实施例还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时,使得装置执行实施例一至实施例三中一个或多个所述的图像配准方法。
本申请实施例还提供了一种机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得装置执行实施例一至实施例三中一个或多个所述的图像配准方法。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者诸如媒体网关等网络通信设备,等等)执行本申请各个实施例或者实施例的某些部分所述的方法。
需要说明的是,本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种图像配准方法,其特征在于,包括:
获取基准图像与待配准图像,所述基准图像与所述待配准图像为同一被成像对象在不同成像条件下生成的三维图像;
将所述基准图像与所述待配准图像,分别作为当前基准图像与当前待配准图像;
确定图像分块结果,所述图像分块结果为将当前基准图像与当前待配准图像按照所述被成像对象的实际运动方向采用相同方式进行分块的结果,其中,本次的分块数量大于上一次的分块数量;
将当前基准图像与当前待配准图像中相互对应的两个图块,分别作为基准图块和待配准图块;
确定所述基准图块与所述待配准图块之间的相似度;
根据所述相似度,确定对所述待配准图块在所述实际运动方向上进行位置调节的目标位移量,使所述待配准图块按照所述目标位移量进行移动,完成本次配准操作;
判断是否达到配准结束条件,若是,则结束配准,若否,则将本次配准操作后的待配准图像作为当前待配准图像,重新执行所述确定图像分块结果的步骤。
2.根据权利要求1所述的方法,其特征在于,所述确定图像分块结果之前,还包括:
根据选定的图像特征生成所述基准图像的特征图像,将所述基准图像的特征图像作为当前基准图像;
根据所述选定的图像特征生成所述待配准图像的特征图像,将所述待配准图像的特征图像作为当前待配准图像。
3.根据权利要求1所述的方法,其特征在于,所述确定图像分块结果之前,还包括:
根据选定的图像特征生成所述基准图像的特征图像;
生成所述基准图像的特征图像对应的积分图像,并将所述基准图像的特征图像对应的积分图像作为当前基准图像;
根据所述选定的图像特征生成所述待配准图像的特征图像;
生成所述待配准图像的特征图像对应的积分图像,并将所述待配准图像的特征图像对应的积分图像作为当前待配准图像。
4.根据权利要求2或3所述的方法,其特征在于,所述选定的图像特征包括选定的至少一类图像特征。
5.根据权利要求1至3任一项所述的方法,其特征在于,所述根据所述相似度,确定对所述待配准图块在所述实际运动方向上进行位置调节的目标位移量,包括:
根据所述相似度,确定对所述待配准图块在所述实际运动方向上进行位置调节的基准位移量;
通过对各个所述待配准图块对应的基准位移量进行平滑处理,得到对各个所述待配准图块在所述实际运动方向上进行位置调节的目标位移量。
6.根据权利要求1至3任一项所述的方法,所述重新执行所述确定图像分块结果的步骤之后,还包括:
按照本次分块数量,将上一次分块得到的各个图块对应的目标位移量进行插值处理,以获取本次分块得到的各个图块对应的初始位移量;
将所述本次分块得到的各个图块按照所述对应的初始位移量进行移动,形成当前待配准图像。
7.根据权利要求1至3任一项所述的方法,其特征在于,所述达到配准结束条件,包括:
达到预设配准次数,或者,本次配准操作后的待配准图像满足预设配准要求。
8.一种图像配准装置,其特征在于,包括:
图像获取单元,用于获取基准图像与待配准图像,所述基准图像与所述待配准图像为同一被成像对象在不同成像条件下生成的三维图像;
图像确定单元,用于将所述基准图像与所述待配准图像,分别作为当前基准图像与当前待配准图像;
分块结果确定单元,用于确定图像分块结果,所述图像分块结果为将当前基准图像与当前待配准图像按照所述被成像对象的实际运动方向采用相同方式进行分块的结果,其中,本次的分块数量大于上一次的分块数量;
图块确定单元,用于将当前基准图像与当前待配准图像中相互对应的两个图块,分别作为基准图块和待配准图块;
相似度确定单元,用于确定所述基准图块与所述待配准图块之间的相似度;
目标位移量确定单元,用于根据所述相似度,确定对所述待配准图块在所述实际运动方向上进行位置调节的目标位移量,使所述待配准图块按照所述目标位移量进行移动,完成本次配准操作;
配准结束判断单元,用于判断是否达到配准结束条件,若是,则结束配准,若否,则将本次配准操作后的待配准图像作为当前待配准图像,重新利用所述分块结果确定单元确定图像分块结果。
9.一种处理器,所述处理器用于运行程序,其中,所述程序运行时,使得装置执行权利要求1-7中一个或多个所述的图像配准方法。
10.一种机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得装置执行权利要求1-7中一个或多个所述的图像配准方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810503693.4A CN108682025B (zh) | 2018-05-23 | 2018-05-23 | 一种图像配准方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810503693.4A CN108682025B (zh) | 2018-05-23 | 2018-05-23 | 一种图像配准方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108682025A true CN108682025A (zh) | 2018-10-19 |
CN108682025B CN108682025B (zh) | 2022-03-15 |
Family
ID=63807902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810503693.4A Active CN108682025B (zh) | 2018-05-23 | 2018-05-23 | 一种图像配准方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108682025B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109816619A (zh) * | 2019-01-28 | 2019-05-28 | 努比亚技术有限公司 | 图像融合方法、装置、终端及计算机可读存储介质 |
CN110070569A (zh) * | 2019-04-29 | 2019-07-30 | 努比亚技术有限公司 | 终端图像的配准方法、装置、移动终端及存储介质 |
CN110310312A (zh) * | 2019-07-09 | 2019-10-08 | 中国电子科技集团公司第十三研究所 | 一种图像配准方法、图像配准装置及终端 |
CN110310313A (zh) * | 2019-07-09 | 2019-10-08 | 中国电子科技集团公司第十三研究所 | 一种图像配准方法、图像配准装置及终端 |
CN110310309A (zh) * | 2019-07-09 | 2019-10-08 | 中国电子科技集团公司第十三研究所 | 一种图像配准方法、图像配准装置及终端 |
CN110322487A (zh) * | 2019-07-09 | 2019-10-11 | 中国电子科技集团公司第十三研究所 | 一种图像配准方法、图像配准装置及终端 |
WO2021092797A1 (zh) * | 2019-11-13 | 2021-05-20 | Oppo广东移动通信有限公司 | 图像的配准方法、终端以及计算机存储介质 |
CN112862866A (zh) * | 2021-04-13 | 2021-05-28 | 湖北工业大学 | 基于麻雀搜索算法的图像配准方法及***、计算设备 |
CN113808181A (zh) * | 2020-10-30 | 2021-12-17 | 上海联影智能医疗科技有限公司 | 医学图像的处理方法、电子设备和存储介质 |
CN114882079A (zh) * | 2022-04-12 | 2022-08-09 | 北京极感科技有限公司 | 图像配准检测方法、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102129703A (zh) * | 2010-01-19 | 2011-07-20 | 索尼公司 | 信息处理设备、信息处理方法及其程序 |
US20140086509A1 (en) * | 2011-09-15 | 2014-03-27 | DigitalOptics Corporation Europe Limited | Registration of Distorted Images |
CN104376579A (zh) * | 2014-11-14 | 2015-02-25 | 苏州阔地网络科技有限公司 | 一种用于在线课堂***的运动目标检测方法及*** |
CN105425216A (zh) * | 2015-11-24 | 2016-03-23 | 西安电子科技大学 | 基于图像分割的重复航过极化InSAR图像配准方法 |
CN106033603A (zh) * | 2015-03-10 | 2016-10-19 | 东芝医疗***株式会社 | 医用图像处理装置和医用图像处理方法 |
CN106530334A (zh) * | 2016-10-21 | 2017-03-22 | 北京无线电测量研究所 | 一种机载干涉合成孔径雷达复图像配准方法及复图像配准*** |
CN107038716A (zh) * | 2017-03-29 | 2017-08-11 | 大连外国语大学 | 一种基于椭球模型的非刚性医学图像抗旋转配准方法 |
CN107610161A (zh) * | 2017-10-10 | 2018-01-19 | 电子科技大学 | 一种基于四叉树分割的InSAR快速图像配准方法 |
-
2018
- 2018-05-23 CN CN201810503693.4A patent/CN108682025B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102129703A (zh) * | 2010-01-19 | 2011-07-20 | 索尼公司 | 信息处理设备、信息处理方法及其程序 |
US20140086509A1 (en) * | 2011-09-15 | 2014-03-27 | DigitalOptics Corporation Europe Limited | Registration of Distorted Images |
CN104376579A (zh) * | 2014-11-14 | 2015-02-25 | 苏州阔地网络科技有限公司 | 一种用于在线课堂***的运动目标检测方法及*** |
CN106033603A (zh) * | 2015-03-10 | 2016-10-19 | 东芝医疗***株式会社 | 医用图像处理装置和医用图像处理方法 |
CN105425216A (zh) * | 2015-11-24 | 2016-03-23 | 西安电子科技大学 | 基于图像分割的重复航过极化InSAR图像配准方法 |
CN106530334A (zh) * | 2016-10-21 | 2017-03-22 | 北京无线电测量研究所 | 一种机载干涉合成孔径雷达复图像配准方法及复图像配准*** |
CN107038716A (zh) * | 2017-03-29 | 2017-08-11 | 大连外国语大学 | 一种基于椭球模型的非刚性医学图像抗旋转配准方法 |
CN107610161A (zh) * | 2017-10-10 | 2018-01-19 | 电子科技大学 | 一种基于四叉树分割的InSAR快速图像配准方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109816619A (zh) * | 2019-01-28 | 2019-05-28 | 努比亚技术有限公司 | 图像融合方法、装置、终端及计算机可读存储介质 |
CN110070569A (zh) * | 2019-04-29 | 2019-07-30 | 努比亚技术有限公司 | 终端图像的配准方法、装置、移动终端及存储介质 |
CN110070569B (zh) * | 2019-04-29 | 2023-11-10 | 西藏兆讯科技工程有限公司 | 终端图像的配准方法、装置、移动终端及存储介质 |
CN110310312B (zh) * | 2019-07-09 | 2021-08-31 | 中国电子科技集团公司第十三研究所 | 一种图像配准方法、图像配准装置及终端 |
CN110310309A (zh) * | 2019-07-09 | 2019-10-08 | 中国电子科技集团公司第十三研究所 | 一种图像配准方法、图像配准装置及终端 |
CN110322487A (zh) * | 2019-07-09 | 2019-10-11 | 中国电子科技集团公司第十三研究所 | 一种图像配准方法、图像配准装置及终端 |
CN110310309B (zh) * | 2019-07-09 | 2021-08-31 | 中国电子科技集团公司第十三研究所 | 一种图像配准方法、图像配准装置及终端 |
CN110310313A (zh) * | 2019-07-09 | 2019-10-08 | 中国电子科技集团公司第十三研究所 | 一种图像配准方法、图像配准装置及终端 |
CN110310312A (zh) * | 2019-07-09 | 2019-10-08 | 中国电子科技集团公司第十三研究所 | 一种图像配准方法、图像配准装置及终端 |
WO2021092797A1 (zh) * | 2019-11-13 | 2021-05-20 | Oppo广东移动通信有限公司 | 图像的配准方法、终端以及计算机存储介质 |
CN113808181A (zh) * | 2020-10-30 | 2021-12-17 | 上海联影智能医疗科技有限公司 | 医学图像的处理方法、电子设备和存储介质 |
CN112862866A (zh) * | 2021-04-13 | 2021-05-28 | 湖北工业大学 | 基于麻雀搜索算法的图像配准方法及***、计算设备 |
CN114882079A (zh) * | 2022-04-12 | 2022-08-09 | 北京极感科技有限公司 | 图像配准检测方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108682025B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108682025A (zh) | 一种图像配准方法及装置 | |
Maes et al. | Medical image registration using mutual information | |
Mattes et al. | Nonrigid multimodality image registration | |
Yang et al. | 4D‐CT motion estimation using deformable image registration and 5D respiratory motion modeling | |
CN102715906B (zh) | 从c臂血管造影术的单扫描估算3d心脏运动的方法和*** | |
JP5337845B2 (ja) | デジタル画像上での測定の実施法 | |
Stoyanov et al. | A practical approach towards accurate dense 3D depth recovery for robotic laparoscopic surgery | |
CN103781416B (zh) | 使用体相位对比mri的全面的心血管分析 | |
Buerger et al. | Hierarchical adaptive local affine registration for fast and robust respiratory motion estimation | |
US8073290B2 (en) | Method and computer program product for registering biomedical images | |
CN106504229B (zh) | 图像中特征点的检测方法 | |
US7876945B2 (en) | Method for processing slice images | |
CN106023200A (zh) | 一种基于泊松模型的x光胸片图像肋骨抑制方法 | |
US20100322493A1 (en) | Systems, methods, apparatuses, and computer program products for computer aided lung nodule detection in chest tomosynthesis images | |
CN106327479B (zh) | 血管造影中介下先心病术中血管辨识的装置及方法 | |
Amini et al. | Non-rigid motion models for tracking the left-ventricular wall | |
CN1918601A (zh) | 使结构化对象的图像对准的装置和方法 | |
CN108460738A (zh) | 基于b样条的医学图像倾斜校正方法 | |
Wachowiak et al. | High-performance medical image registration using new optimization techniques | |
CN109767458A (zh) | 一种半自动分段的顺序优化配准方法 | |
CN108885797B (zh) | 成像***和方法 | |
CN107516314A (zh) | 医学图像超体素分割方法和装置 | |
JP4887491B2 (ja) | 医用画像処理方法及びその装置、プログラム | |
Bögel et al. | Respiratory Motion Compensation Using Diaphragm Tracking for Cone‐Beam C‐Arm CT: A Simulation and a Phantom Study | |
CN107292351A (zh) | 一种结节的匹配方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 110179 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Applicant after: DongSoft Medical System Co., Ltd. Address before: 110179 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Applicant before: Dongruan Medical Systems Co., Ltd., Shenyang |
|
GR01 | Patent grant | ||
GR01 | Patent grant |