專利名稱：基于整數(shù)提升小波多分辨分析的醫(yī)學(xué)超聲圖像配準(zhǔn)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及醫(yī)學(xué)超聲成像技術(shù)領(lǐng)域，尤其涉及一種醫(yī)學(xué)超聲圖像的配準(zhǔn)方法。
技術(shù)背景醫(yī)學(xué)超聲成像是一種適用范圍很廣的診斷方法，具有無(wú)損傷、無(wú)電離輻射、使用方便等 優(yōu)點(diǎn)。圖像配準(zhǔn)具有重要的臨床應(yīng)用價(jià)值，不僅可以用于病癥性狀的診斷，還可以通過對(duì)病 灶部位進(jìn)行跟蹤來引導(dǎo)治療過程以及對(duì)治療效果做出評(píng)價(jià)。在圖像融合、三維圖像重建以及 ,外科手術(shù)導(dǎo)航中，廣泛應(yīng)用配準(zhǔn)方法來定位圖像之間的空間位置關(guān)系。醫(yī)學(xué)圖像配準(zhǔn)是指對(duì)于一幅醫(yī)學(xué)圖像(稱為浮動(dòng)圖像)，尋求一種或者一系列的空間變換， 使它與另一幅醫(yī)學(xué)圖像(稱為參考圖像)上的對(duì)應(yīng)點(diǎn)達(dá)到空間上的一致，這里所要求達(dá)到的 一致是指人體的所有解剖點(diǎn)或至少是具有診斷意義的解剖點(diǎn)在兩幅圖像中的空間位置是相同 的。圖像配準(zhǔn)一般由對(duì)參考圖像和浮動(dòng)圖像分別進(jìn)行特征空間(包括特征點(diǎn)或特征曲線/曲面 或像素強(qiáng)度等)提取(其目的是選擇配準(zhǔn)中用到的特征)、選擇搜索空間(即圖像變換類型， 包括剛體變換、仿射變換、投影變換和非線性變換等)與變換參數(shù)并計(jì)算浮動(dòng)圖像在給定變 換下的變換圖像、計(jì)算參考圖像與變換后的浮動(dòng)圖像之間的相似度(如灰度平均差、相關(guān)系 數(shù)、互信息等)、根據(jù)相似度對(duì)變換參數(shù)進(jìn)行最優(yōu)化搜索，相似度滿足要求則配準(zhǔn)完成，相似 度不滿足要求重新選擇變換參數(shù)，迭代到來相似度滿足要求為止。由于超聲圖像以檢測(cè)軟組織、血流等彈性體為主，同時(shí)檢測(cè)時(shí)醫(yī)生往往根據(jù)自己對(duì)圖像 視覺的判斷施加一定的外力，因此超聲圖像是典型的非剛體圖像，其配準(zhǔn)一般難度較大。非剛性配準(zhǔn)可以應(yīng)用在同一對(duì)象同一成像模式的配準(zhǔn)中，用于對(duì)疾病進(jìn)行跟蹤或?qū)Σ煌?時(shí)間獲取的序列圖像進(jìn)行對(duì)比研究。如對(duì)癌癥患者的放射治療進(jìn)行跟蹤，對(duì)于胸部、腹部或 乳房等非剛性結(jié)構(gòu)或器官，在移入或移出掃描儀時(shí)會(huì)產(chǎn)生非剛性形變；非剛性配準(zhǔn)還可以應(yīng) 用在不同對(duì)象之間，在這種情況下非剛性配準(zhǔn)不是考慮解剖結(jié)構(gòu)的物理變形，而是考慮不同 個(gè)體的解剖結(jié)構(gòu)差異，而這種個(gè)體之間的解剖結(jié)構(gòu)在尺寸、形狀上的差異通常需要利用非剛 性配準(zhǔn)來實(shí)現(xiàn)。目前非剛體圖像的配準(zhǔn)主要有兩類方法， 一類是基于物理模型的方法，如彈性變形物理模型、粘性流體物理模型、光流物理模型等，這類方法主要通過偏微分方程圖像的變形，通 過迭代近似求解來尋找變換參數(shù)；另一類是基于參數(shù)化的空間變換方法，如高次(二次、三 次、四次、五次等)多項(xiàng)式的變換模型、樣條函數(shù)變換模型、徑向基函數(shù)變換模型等，這類 方法主要通過函數(shù)逼近來擬合被配準(zhǔn)圖像間的差異，采用優(yōu)化算法來尋找變換參數(shù)。目前由 于偏微分方程求解的困難，基于參數(shù)化的空間變換方法是非剛體圖像配準(zhǔn)的主要手段。
對(duì)于參數(shù)化的非剛體圖像配準(zhǔn)，.配準(zhǔn)算法的計(jì)算量一般是很大的，為了提高配準(zhǔn)效率， 可采用多分辨分析的分層配準(zhǔn)策略進(jìn)行圖像配準(zhǔn)。對(duì)于給定的圖像，隨著分辨率的降低，該 圖像的細(xì)節(jié)逐漸被移去，剩下的近似圖像便構(gòu)成了圖像的多分辨率表示，對(duì)其進(jìn)行變換和尋 找變換參數(shù)計(jì)算量會(huì)明顯降低?，F(xiàn)有的多分辨分析方法使用的是基于傅立葉分析的第一代小 波變換，即從頻域?qū)栴}進(jìn)行分析。在實(shí)際應(yīng)用中，這種小波變換是通過巻積實(shí)現(xiàn)的，因此 計(jì)算復(fù)雜、運(yùn)算速度慢、對(duì)內(nèi)存的需求量較大；而且這些小波基都是浮點(diǎn)數(shù)，量化過程中由 于計(jì)算機(jī)的浮點(diǎn)舍入運(yùn)算必然產(chǎn)生不同程度的失真，不利于圖像的無(wú)損重構(gòu)。

發(fā)明內(nèi)容
本發(fā)明針對(duì)以往非剛體超聲圖像配準(zhǔn)計(jì)算復(fù)雜、內(nèi)存需求量大的困難，提供一種基于整 數(shù)提升小波的多分辨分析分層實(shí)現(xiàn)的超聲圖像配準(zhǔn)方法，該方法利用整數(shù)提升小波對(duì)待配準(zhǔn) 圖像進(jìn)行兩層分解，然后對(duì)分解后的近似圖像進(jìn)行低分辨率的全局剛體配準(zhǔn)，再利用整數(shù)提 升小波對(duì)分解配準(zhǔn)后的圖像進(jìn)行圖像原分辨率重構(gòu)，最后在圖像原分辨率級(jí)下進(jìn)行局部彈性 配準(zhǔn)，從而得到最終的配準(zhǔn)圖像。
整數(shù)提升小波是第二代小波，其繼承了第一代小波的多分辨率特性，但其小波基的定義 非常靈活，不一定是由某一確定的基本小波通過尺度和平移得到，且任何傳統(tǒng)的小波(也稱 第一代小波)可以由第二代小波構(gòu)造生成。整數(shù)提升算法直接在時(shí)(空)域中分析問題，擺 脫了對(duì)頻域的依賴，小波變換后的系數(shù)是整數(shù)，圖像的恢復(fù)質(zhì)量與變換時(shí)采用何種邊界延拓 方式無(wú)關(guān)，能對(duì)任意尺寸圖像進(jìn)行變換，提升方案允許完全的原位計(jì)算，即不需要附加內(nèi)存， 原始信號(hào)數(shù)據(jù)可直接被小波系數(shù)替換，它的計(jì)算復(fù)雜度是原有巻積算法的一半左右，因此運(yùn)
算效率高；同時(shí)提升方案能夠?qū)⑿〔ㄗ儞Q的濾波器輸出從整數(shù)映射到整數(shù)，在減少計(jì)算復(fù)雜 度、易于硬件實(shí)現(xiàn)的同時(shí)，實(shí)現(xiàn)圖像的無(wú)失真重構(gòu)，從而提高圖像配準(zhǔn)的準(zhǔn)確性。
利用小波的多分辨分析可以減小圖像的尺寸，減少迭代次數(shù)，進(jìn)而達(dá)到減少計(jì)算時(shí)間的 目的。利用小波的整數(shù)提升形式對(duì)圖像進(jìn)行兩層分解，其原因是在計(jì)算效率和計(jì)算精度上做 的一個(gè)折衷。如果只做一層小波分解，則圖像的尺寸不能減少太多，而減少的時(shí)間還需要做
多分辨分析的分解和重構(gòu)，對(duì)整個(gè)算法的計(jì)算效率起不到太大的作用；而如果做更多層分析，由于只對(duì)分解后的近似圖像施加全局剛體變換，前后多層變換也不會(huì)對(duì)配準(zhǔn)結(jié)果產(chǎn)生更大的 益處，因此選擇直接對(duì)浮動(dòng)圖像和參考圖像做兩層小波分解。對(duì)于做過小波分解的低分辨率圖像，對(duì)其進(jìn)行全局剛體配準(zhǔn)，可以得到兩幅圖像粗分辨 率下的剛體配準(zhǔn)的近似結(jié)果。由于剛體配準(zhǔn)包含的變換未知參數(shù)少，因而局部化的優(yōu)化算法 可以更快地搜索到最優(yōu)值，同時(shí)搜索到的最優(yōu)值將作為后面彈性配準(zhǔn)的初始值。這樣做的計(jì) 算開銷會(huì)很小。對(duì)全局剛體配準(zhǔn)后的圖像，利用小波的整數(shù)提升形式對(duì)其進(jìn)行圖像原分辨率重構(gòu)，由于 此時(shí)的原分辨率圖像已經(jīng)具有了較粗精度的配準(zhǔn)，因而該原分辨率級(jí)圖像可以作為下一步彈 性圖像配準(zhǔn)的初始圖像，其目的是減少參數(shù)的大范圍搜索，以降低計(jì)算開銷。本發(fā)明提供的圖像配準(zhǔn)方法通過以下步驟實(shí)現(xiàn)第一步，將浮動(dòng)圖像和參考圖像分別利用小波的整數(shù)提升形式對(duì)其進(jìn)行小波分解 小波提升算法主要有分裂、預(yù)測(cè)和更新三個(gè)步驟。分裂是將數(shù)據(jù)分為偶數(shù)序列和奇數(shù)序 列兩部分；預(yù)測(cè)是用偶數(shù)序列預(yù)測(cè)奇數(shù)序列，得到的預(yù)測(cè)誤差為變換的高頻分量，預(yù)測(cè)環(huán)節(jié) 被稱為對(duì)偶提升；更新是由預(yù)測(cè)誤差來更新偶數(shù)序列，得到變換的低頻分量，更新環(huán)節(jié)在提 升術(shù)語(yǔ)中稱為原始提升。預(yù)測(cè)和更新可重復(fù)多次，最后還可能再經(jīng)過一個(gè)縮放步驟，整個(gè)提 升方案都是可逆的。整數(shù)小波變換建立在提升方案的基礎(chǔ)之上，通過對(duì)預(yù)測(cè)和更新的數(shù)值進(jìn)行四舍五入取整 運(yùn)算來實(shí)現(xiàn)。雖然這種運(yùn)算相當(dāng)于對(duì)原來的小波濾波器系數(shù)做了改動(dòng)，但仍然保留了小波的 多尺度特性和區(qū)域相關(guān)性。整數(shù)小波變換后的系數(shù)都是整數(shù)，這使得所有的系數(shù)幅值可無(wú)量 化誤差轉(zhuǎn)化成二進(jìn)制表示。整數(shù)小波變換前后的數(shù)值都是整數(shù)，可以無(wú)損地重構(gòu)，且無(wú)須考 慮數(shù)據(jù)的延拓方式。(1)整數(shù)提升小波分解用&表示原始信號(hào)，《表示分裂后的奇數(shù)樣本，,表示分裂后的偶數(shù)樣本，、+1表示經(jīng) 過整數(shù)提升的低頻信號(hào)，《+1表示整數(shù)提升后的細(xì)節(jié)信號(hào)，P和U表示預(yù)測(cè)和更新算子。分裂的目的是將信號(hào)分割成相互關(guān)聯(lián)的兩個(gè)部分，這兩部分的相關(guān)性愈強(qiáng)，分割的效果 越好。具體方法是把原始信號(hào)a按照排列的奇偶順序，通過間隔抽取的方式分為兩組樣本集 <和《，其抽取公式為<formula>formula see original document page 5</formula>該抽取充分考慮到了信號(hào)的局域相關(guān)性，為隨后的預(yù)測(cè)和更新過程提供了基礎(chǔ)。預(yù)測(cè)保 持偶數(shù)樣本w不變，利用插值細(xì)分來預(yù)測(cè)奇數(shù)樣本《，奇數(shù)樣本《與預(yù)測(cè)值之間的差稱為細(xì)節(jié)系數(shù)，即
<formula>formula see original document page 6</formula>
p["]為插值系數(shù)，h」操作為取整運(yùn)算，其值為不大于x的最大整數(shù)，取整運(yùn)算中的"1/2" 作為修正值，目的是消除由于取整而引入的誤差，以保證數(shù)據(jù)的完全重建，最后得到的《,["] 為小波系數(shù)。
更新是保持預(yù)測(cè)后的高頻系數(shù)不變，利用插值細(xì)分來更新偶數(shù)樣本《，通過引入一個(gè)線
性更新算子來保持原始數(shù)據(jù)集的整數(shù)特性(均值、消失矩等)不變。其更新公式為
<formula>formula see original document page 6</formula>(3)
從頻率分析的角度看，小波系數(shù)《+，被稱為高頻系數(shù)，表示原始數(shù)據(jù)的高頻成分，即從、
恢復(fù)到s,時(shí)所需要的細(xì)節(jié)分量；而相應(yīng)的&,被稱為提升系數(shù)，表示原始數(shù)據(jù)的低頻成分?？?見，基于提升結(jié)構(gòu)的整數(shù)小波變換使得變換后的數(shù)據(jù)沒有能量消失，能夠完全被恢復(fù)，并且 各環(huán)節(jié)的計(jì)算都可在原數(shù)據(jù)為上進(jìn)行，進(jìn)而節(jié)省系統(tǒng)內(nèi)存。 (2)整數(shù)提升小波重構(gòu)
對(duì)于提升小波算法，如果得到了前向變換，就可以立即得到逆向變換，需要做的只是改 變預(yù)測(cè)和更新部分的加減符號(hào)，這是提升算法的一個(gè)優(yōu)良特性。
整數(shù)提升小波的重構(gòu)公式為
<formula>formula see original document page 6</formula>
(3)預(yù)測(cè)和更新算子
預(yù)測(cè)是利用偶數(shù)序列樣本來預(yù)測(cè)奇數(shù)序列樣本，在提升算法中，預(yù)測(cè)有兩方面的作用 其一是，可以用緊湊的形式來表示數(shù)據(jù)， 一般來說，由于信號(hào)^7]都是具有局域相關(guān)性的， 因此，預(yù)測(cè)誤差的數(shù)值總是要比奇數(shù)樣本小得多，也就是說，用偶數(shù)樣本和誤差樣本來表示 信號(hào)5[w]，要比用偶數(shù)樣本和奇數(shù)樣本一起表示緊湊的多；其二是可以在空間域內(nèi)分離出信
號(hào)4"]的高頻分量，在預(yù)測(cè)時(shí)，4于總是用過奇數(shù)序列和偶數(shù)序列樣本的一條平滑曲線來預(yù) 測(cè)他們的中間點(diǎn)(奇數(shù)樣本序列)，這里平滑意味著低頻，而預(yù)測(cè)誤差則意味著信號(hào)4"]在一個(gè)局部區(qū)域與自己低頻分量的誤差，因此預(yù)測(cè)誤差可以看成是信號(hào)i仏]的高頻分量。也正是 因?yàn)槿绱?，在提升格式中，將預(yù)測(cè)誤差稱之為信號(hào)的小波系數(shù)。
更新是用預(yù)測(cè)誤差來修正偶數(shù)樣本，以使得修正后的偶數(shù)樣本只包含信號(hào)4"]的低頻成 分。更新的過程直觀來看，可以理解為用一條平滑擬合曲線來對(duì)信號(hào)s["]進(jìn)行包絡(luò)，從數(shù)學(xué) 上來講，就是要使更新的樣本和原始信號(hào)4"]具有相同的低階消失矩。這樣，更新樣本是原 信號(hào)的平滑擬合，因此更新后的樣本被稱為原信號(hào)的低頻分量。
提升方法設(shè)計(jì)小波有很大的靈活性，原則上能夠設(shè)計(jì)任何線性、非線性、空間可變的預(yù) 測(cè)算子或更新算子以滿足不同場(chǎng)合的應(yīng)用。
為了達(dá)到進(jìn)-歩降低圖像配準(zhǔn)計(jì)算量的目的，可采用多層小波分解的形式，即在一次分 解后，再實(shí)施分解，考慮計(jì)算時(shí)間和精度的折衷一般為兩層。
第二歩，將分解后的低分辨率圖像進(jìn)行全局剛體粗配準(zhǔn)
將第一歩得到的浮動(dòng)圖像與參考圖像分解后的結(jié)果，即兩幅低分辨率的圖像，進(jìn)行全局 剛體近似配準(zhǔn)的近似結(jié)果，并將此配準(zhǔn)結(jié)果作為后續(xù)配準(zhǔn)的初始值。全局剛體配準(zhǔn)方法可采 用一般的剛體配準(zhǔn)方法，如利用非線性相關(guān)系數(shù)作為配準(zhǔn)測(cè)度，結(jié)合下山式單純形法進(jìn)行未 知參數(shù)優(yōu)化。由于剛體配準(zhǔn)包含的變換未知參數(shù)少，因而局部化的優(yōu)化算法可以更快地搜索 到最優(yōu)值。
第二歩，對(duì)剛體近似配準(zhǔn)后的圖像進(jìn)行原分辨率重構(gòu)
全局剛體配準(zhǔn)后，利用小波的整數(shù)提升形式對(duì)分解配準(zhǔn)后的圖像進(jìn)行了圖像原分辨率重 構(gòu)。這時(shí)的原分辨率圖像己經(jīng)具有了較粗精度的配準(zhǔn)，因而該原分辨率級(jí)圖像可以作為下一 步非剛體圖像配準(zhǔn)的初始圖像。整數(shù)提升小波重構(gòu)算法同第一步屮的有關(guān)算法。
第四歩，在圖像原分辨率級(jí)下非剛體圖像配準(zhǔn)
在圖像原分辨率級(jí)卜_，以剛體圖像的近似粗配準(zhǔn)為初始值，對(duì)浮動(dòng)圖像和參考圖像進(jìn)行 非剛體局部精配準(zhǔn)。配準(zhǔn)方法可以采用基于參數(shù)化的空間變換的非剛性圖像配準(zhǔn)方法，如基
于徑向基函數(shù)的參數(shù)化配準(zhǔn)方法。基于徑向基函數(shù)的參數(shù)化變形既可以模擬全局的非剛性形 變，也可以模擬局部的非剛性形變，因此既可用于全局配準(zhǔn)也可用于局部配準(zhǔn)。二次函數(shù)、 逆二次函數(shù)、高斯函數(shù)以及薄板樣條函數(shù)都可以作為圖像配準(zhǔn)中使用的徑向基函數(shù)。
本發(fā)明的配準(zhǔn)四個(gè)步驟要由有較強(qiáng)計(jì)算能力的計(jì)算機(jī)離線實(shí)現(xiàn)，主要用于圖像的分析與 診斷；或由嵌入式系統(tǒng)輔助在線實(shí)現(xiàn)，主要用于在線輔助診斷。


圖1為基于整數(shù)提升小波多分辨分析的醫(yī)學(xué)超聲圖像配準(zhǔn)方法的原理框圖。圖2為分層分解粗精耦合配準(zhǔn)方法示意圖。
圖3為基于整數(shù)提升形式的小波分解示意圖。
圖4為基于整數(shù)提升形式的小波重構(gòu)示意圖。
圖5為基于提升小波的超聲圖像多分辨分解流程圖。
圖6為三幅需要配準(zhǔn)的甲狀腺超聲圖像。
圖7為不同分辨率級(jí)別下兩組配準(zhǔn)圖像的迭代次數(shù)。
圖1中
101 參考圖像的整數(shù)提升小波分解算法
102 浮動(dòng)圖像的整數(shù)提升小波分解算法
103 分解后低分辨率參考圖像與浮動(dòng)圖像的全局剛體配準(zhǔn)算法
104 用整數(shù)提升小波重構(gòu)實(shí)現(xiàn)原分辨率級(jí)參考圖像
105 用整數(shù)提升小波重構(gòu)實(shí)現(xiàn)原分辨率級(jí)浮動(dòng)圖像
106 高分辨率圖像的局部配準(zhǔn)算法 圖2中
201 全局剛體粗配準(zhǔn)算法
202 局部非剛體精配準(zhǔn)算法 圖3中
301 整數(shù)提升小波的分裂算子
302 整數(shù)提升小波的預(yù)測(cè)算子
303 整數(shù)提升小波的更新算子 圖4中
401 整數(shù)提升小波的更新算子
402 整數(shù)提升小波的預(yù)測(cè)算子
403 整數(shù)提升小波的合并算子 圖5中
先進(jìn)行行提升，再進(jìn)行列提升 圖6中
從左至右分別為參考圖像和兩個(gè)不同變形的浮動(dòng)圖像，圖像的尺寸為512x512。
具體實(shí)施例方式
以下結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式
作進(jìn)一步的詳細(xì)說明。
整個(gè)配準(zhǔn)過程如圖l所示。待配準(zhǔn)的參考圖像和浮動(dòng)圖像要經(jīng)過小波分解、近似圖像的 全局剛體粗配準(zhǔn)、粗配準(zhǔn)結(jié)果圖像的小波重構(gòu)、原分辨率級(jí)下非剛體局部配準(zhǔn)四個(gè)過程。采 用的是二層粗精耦合配準(zhǔn)方式，其方法如圖2所示。
待配準(zhǔn)參考圖像和浮動(dòng)圖像的整數(shù)提升小波分解，使用的是雙正交bior4. 4小波的整數(shù) 提升形式，分解過程如圖3所示。對(duì)圖像進(jìn)行的是二層小波分解，圖5給出了一幅肝靜脈超 聲圖像的分解流程圖。
近似圖像的全局剛體粗配準(zhǔn)，是在低分辨率下完成的，使用的是基于互信息的剛體配準(zhǔn) 方法，參數(shù)搜索采用下山式單純形法。
粗配準(zhǔn)結(jié)果圖像的小波重構(gòu)，使用的是雙正交bior4.4小波的整數(shù)提升形式，重構(gòu)過程 如圖4所示。
原分辨率圖像的非剛體局部配準(zhǔn)，是在原分辨率級(jí)下完成的，采用的是基于徑向基函數(shù) 變換模型的參數(shù)化非剛體圖像配準(zhǔn)方法。
圖6給出了三幅甲狀腺的超聲圖像，從左至右分別為參考圖像、變形較小的浮動(dòng)圖像、 變形較大的浮動(dòng)圖像，圖像的尺寸為512x512。將參考圖像與變形較小的浮動(dòng)圖像編為一組， 稱為第一組；將參考圖像與變形較大的浮動(dòng)圖像編為一組，稱為第一組。對(duì)第一組和第二組 分別進(jìn)行一層和二層小波分解，采用的是雙正交bior4.4小波的整數(shù)提升形式。兩組圖像分別 在原分辨率級(jí)、 一層分解的情況下、二層分解的情況下，進(jìn)行配準(zhǔn)，采用的是基于互信息的 剛體配準(zhǔn)方法，參數(shù)搜索采用下山式單純形法。圖7分別給出了兩組圖像配準(zhǔn)時(shí)，在相同配 準(zhǔn)精度要求下，配準(zhǔn)時(shí)參數(shù)搜索所需要的迭代次數(shù)，此圖說明了隨著分解層數(shù)的增加迭代次 數(shù)隨之減少，亦即配準(zhǔn)計(jì)算量也將減少。
權(quán)利要求
1.一種用于醫(yī)學(xué)超聲圖像配準(zhǔn)的方法，其特征在于將待配準(zhǔn)的浮動(dòng)圖像和參考圖像進(jìn)行整數(shù)提升小波多分辨分解，對(duì)分解后的圖像進(jìn)行近似剛體配準(zhǔn)，然后利用整數(shù)提升小波對(duì)分解配準(zhǔn)后的圖像進(jìn)行圖像原分辨率重構(gòu)，最后在圖像原分辨率級(jí)下進(jìn)行局部非剛體配準(zhǔn)，從而得到最終的配準(zhǔn)圖像。
2. 根據(jù)權(quán)利要求l所述的醫(yī)學(xué)圖像配準(zhǔn)方法，其特征在于采用多層整數(shù)提升小波分解，以 進(jìn)一步減少計(jì)算量，分解的層數(shù)是計(jì)算量與配準(zhǔn)準(zhǔn)確度的一個(gè)折衷。
3. 根據(jù)權(quán)利要求l所述的醫(yī)學(xué)圖像配準(zhǔn)方法，其特征在于利用小波整數(shù)提升算法直接在時(shí)(空)域中分析問題，小波變換后的系數(shù)是整數(shù)，提升方案允許完全的原位計(jì)算，不需要 附加內(nèi)存，原始信號(hào)數(shù)據(jù)可直接被小波系數(shù)替換，其計(jì)算復(fù)雜度大為降低、計(jì)算量大為減 少，同時(shí)易于硬件實(shí)現(xiàn)。
4. 根據(jù)權(quán)利要求1所述的醫(yī)學(xué)圖像配準(zhǔn)方法，其特征在于采用整數(shù)提升小波方法，圖像的 恢復(fù)質(zhì)量與變換時(shí)采用何種邊界延拓方式無(wú)關(guān)，能對(duì)任意尺寸圖像進(jìn)行變換，可實(shí)現(xiàn)圖像 的無(wú)失真重構(gòu)，為分層粗精耦合配準(zhǔn)創(chuàng)造了條件，同時(shí)也提高了圖像配準(zhǔn)的準(zhǔn)確性。
全文摘要
一種非剛體圖像配準(zhǔn)方法，屬于醫(yī)學(xué)超聲圖像處理領(lǐng)域。本發(fā)明針對(duì)以往非剛體超聲圖像配準(zhǔn)計(jì)算復(fù)雜、內(nèi)存需求量大的困難，提供一種基于整數(shù)提升小波的多分辨分析分層實(shí)現(xiàn)的超聲圖像配準(zhǔn)方法，該方法利用整數(shù)提升小波對(duì)待配準(zhǔn)圖像進(jìn)行兩層分解，然后對(duì)分解后的近似圖像進(jìn)行低分辨率的全局剛體配準(zhǔn)，再利用整數(shù)提升小波對(duì)分解配準(zhǔn)后的圖像進(jìn)行圖像原分辨率重構(gòu)，最后在圖像原分辨率級(jí)下進(jìn)行局部非剛體配準(zhǔn)，從而得到最終的配準(zhǔn)圖像。本發(fā)明用整數(shù)提升小波多分辨分析的方法來減少計(jì)算量，用多層分解、粗精結(jié)合的方法在計(jì)算復(fù)雜度和配準(zhǔn)準(zhǔn)確性方面取得統(tǒng)一，從而實(shí)現(xiàn)了不降低配準(zhǔn)精度條件下，計(jì)算量的減少。本發(fā)明在圖像處理領(lǐng)域有著廣泛的應(yīng)用前景。
文檔編號(hào)G06T3/00GK101238993SQ20081006396
公開日2008年8月13日 申請(qǐng)日期2008年2月1日 優(yōu)先權(quán)日2008年2月1日
發(fā)明者馮乃章, 毅 沈, 強(qiáng) 王, 艷 王, 晶 金, 馬立勇 申請(qǐng)人:哈爾濱工業(yè)大學(xué)