CN102908122A - 数字化仪成像及图像拼接处理方法 - Google Patents

Abstract

本发明公开了数字化仪成像及图像拼接处理方法，包括图像收集：医用胶片插进数字化仪中，CCD采集医用胶片上的图像信息转化成数字信号存储在存储器中，DSP处理器读取存储器中的图像信号；图像特征点提取：利用尺度不变特征变换算法提取基准图像和后续图像的特征点，确定特征点的位置、尺度与方向；图像匹配：利用128维向量对特征点进行描述，利用最近邻法完成两幅图像特征点的匹配，确定重合区域；图像拼接：基于小波变换的多分辨率方法完成对图像的拼接。采用本发明数字化仪成像及图像拼接处理方法，可实现快速成像，提高了成像的质量，使得图像的分辨率大幅提高。

Description

数字化仪成像及图像拼接处理方法

技术领域

本发明涉及影像处理技术领域，尤其涉及一种医学影像用数字化仪快速成像及图像拼接处理方法。

背景技术

在目前现有医学影像成像过程中，医用电子成像为FT（frame-transfer帧转移方式）的CCD，以FT方式工作的CCD其尺寸是其感光区域的两倍。上面的矩阵用于接收光学影像，所以它是大量电荷集中的地方。这个矩阵中的像素被设计成为垂直转移方式。在垂直消隐期，所有的影像电荷被尽可能快地向下转移到下面的矩阵中去，而下面的矩阵被遮光物质遮盖。这个电荷转移过程清除了影像矩阵中的所有电荷，从而使一个新的电荷集中过程重新开始。在CCD阵列板上CCD的数量不会超过8个以上，但是对于高速成像的胶片数字化仪，此CCD阵列板上CCD将达到10个以上，CCD的数量布置的越多，成像的分辨率越高，基本能达到1000万像素以上，但是在CCD将图片的光学信号转换为数字信号时，出现比传统的数字化仪处理难度的增加，因此，在增加CCD阵列板上的CCD数量时，同时要考虑成像后图片处理的难度，如何在高速成像的同时，提高图像的高像素高质量，基于以上原因，本申请人提出一种数字化仪成像及图像拼接处理方法。

发明内容

本发明实施例所要解决的技术问题在于，提供一种数字化仪成像及图像拼接处理方法，可提高成像的质量、图像分辨率、成像速度。

为了解决上述技术问题，本发明实施例提供了一种数字化仪成像及图像拼接处理方法，包括以下步骤：

步骤01）、图像收集：医用胶片插进数字化仪中，CCD采集医用胶片上的图像信息转化成数字信号存储在存储器中，DSP处理器读取存储器中的图像信号；

步骤02）、图像特征点提取：利用尺度不变特征变换算法提取基准图像和后续图像的特征点，确定特征点的位置、尺度与方向；

步骤03）、图像匹配：利用128维向量对特征点进行描述，利用最近邻法完成两幅图像特征点的匹配，确定重合区域。

步骤04）、图像拼接：基于小波变换的多分辨率方法完成对图像的拼接。

采用上述成像和图像拼接方法，可以快速实现数字化仪成像，并提高了成像的质量，输出高分辨率的医学影像图片。其更为具体的步骤为：

所述步骤01）具体为：

步骤11）、医用胶片从数字化仪外壳的胶片入口插进数字化仪内部，遮光部件阻断外接光源，固定部件固定好医用胶片，数字化仪主板检测到医用胶片后，驱动CCD清空数据，同时控制好光源板曝光，CCD采集医用胶片上的图像信息；

步骤12）、通过A/D转换器处理后转换成数字信号输入FPGA（Field－Programmable Gate Array，现场可编程门阵列）中；

步骤13）、经FPGA处理后的图像信号存储在存储器中，DSP处理器由数据地址控制线连接EMIF（External Memory Interface，外部存储器接口），通过EMIF读取到存储器中的图像信号。

所述步骤02）具体为：

步骤21）、对图像进行卷积操作；

步骤22）、使用高斯函数之差对图像进行卷积操作，得到高斯差分函数，检测出尺度空间中的稳定特征点；

步骤23）、将步骤22）中得到的稳定特征点中低对比度的特征点过滤掉；

步骤24）、在合适尺度对特征点的局部区域进行灰度采样，通过标准相关性方法为每个特征点建立一个描述符。

所述步骤03）具体为：

步骤31）、利用best-bin-first算法找到最近邻点和次近邻点；

步骤32）、利用random sample consensus算法来提纯特征点集合；

步骤33）、匹配后去除野点。

所述步骤04）具体为：

步骤41）、用最小二乘法优化算法对已经匹配的特征点进行有限步迭代操作后求出坐标变换矩阵；

步骤42）、拼接图像，匹配特征点所在的两幅图像的公共部分为图像间的重叠部分，将两幅图像进行重新采样，注册到一幅新的空白图像中形成一幅新的融合图像；

步骤43）、利用其在各尺度上的低频小波分量作为多尺度加权系数，把两幅图像在不同尺度下的小波分量进行平均，通过重构，恢复整个图像。

本发明实施例采用上述成像及拼接方法，可实现快速成像，提高了成像的质量，使得图像的分辨率大幅提高。

附图说明

图1为本发明数字化仪成像及图像拼接处理方法的流程图；

图2为本发明数字化仪成像及图像拼接处理方法实施例一的流程图；

图3为本发明数字化仪成像及图像拼接处理方法实施例一结构装置示意图；

图4为本发明数字化仪成像及图像拼接处理方法实施例二的流程图；

图5为本发明数字化仪成像及图像拼接处理方法实施例三的流程图；

图6为本发明数字化仪成像及图像拼接处理方法实施例四的流程图。

具体实施方式

下面，根据附图对本发明作进一步的详细描述。

参见图1，为本发明数字化仪成像及图像拼接处理方法的流程图，本发明提供的数字化仪成像及图像拼接处理方法，包括以下步骤：

步骤01）、图像收集：医用胶片插进数字化仪中，CCD采集医用胶片上的图像信息转化成数字信号存储在存储器中，DSP处理器读取存储器中的图像信号；

步骤02）、图像特征点提取：利用尺度不变特征变换算法提取基准图像和后续图像的特征点，确定特征点的位置、尺度与方向；

步骤03）、图像匹配：利用128维向量对特征点进行描述，利用最近邻法完成两幅图像特征点的匹配，确定重合区域。

步骤04）、图像拼接：基于小波变换的多分辨率方法完成对图像的拼接。

参见图2，图3，为本发明数字化仪成像及图像拼接处理方法实施例一的流程图及本发明数字化仪成像及图像拼接处理方法实施例一结构装置示意图，实施例一为步骤01）的具体步骤，所述步骤01）进一步具体为：

步骤11）、医用胶片从数字化仪外壳的胶片入口插进数字化仪内部，遮光部件阻断外接光源，固定部件固定好医用胶片，数字化仪主板检测到医用胶片后，驱动CCD清空数据，同时控制好光源板曝光，CCD采集医用胶片上的图像信息；

步骤12）、通过A/D转换器处理后转换成数字信号输入FPGA中；

步骤13）、经FPGA处理后的图像信号存储在存储器中，DSP处理器由数据地址控制线连接EMIF，通过EMIF读取到存储器中的图像信号。

参见图4，为本发明数字化仪成像及图像拼接处理方法实施例二的流程图，实施例二为步骤02）的具体步骤，所述步骤02）进一步具体为：

步骤21）、对图像进行卷积操作；

在具体实施中，对输入的图像进行卷积操作，定义图像尺度空间函数为L(x,y,σ)，将高斯函数作为卷积核，其中高斯函数为：

$G(x,y,\mathrm{\σ})=\frac{1}{{2\mathrm{\π\σ}}^2}{e}^{-(x^2+y^2)/{2\mathrm{\σ}}^2}$

输入图像，用I（x,y）表示，对输入图像进行卷积操作，则有：

$L(x,y,\mathrm{\σ})=G(x,y,\mathrm{\σ})\⊗I(x,y)$

步骤22）、使用高斯函数之差对图像进行卷积操作，得到高斯差分函数，检测出尺度空间中的稳定特征点；

在实施中，使用公式：

$D(x,y,\mathrm{\σ})=(G(x,y,\mathrm{k\σ})-G(x,y,\mathrm{\σ}))\⊗I(x,y)=L(x,y,\mathrm{k\σ})-L(x,y,\mathrm{\σ})$

其中k为常量，通过上述步骤得到稳定特征点。

步骤23）、将步骤22）中得到的稳定特征点中低对比度的特征点过滤掉；在实施中，通过步骤22）得到的稳定特征点存在低对比度的特征点，通过下面的公式操作，当

时将低对比度特征点过滤掉。

由： $D\left(x\right)=D+\frac{{\∂D}^T}{\∂x}x+\frac{1}{2}{x}^T\frac{{\∂}^{2}D}{{\∂x}^2}x$

由： $\stackrel{\‾}{X}=-\frac{{\∂}^2{D}^{-1}}{{\∂x}^2}\frac{\∂D}{\∂x}$

得到： $D\left(\stackrel{\‾}{X}\right)=D+\frac{1}{2}\frac{{\∂D}^T}{\∂X}\stackrel{\‾}{X}$

一个在图像边缘的特征点在高斯差分函数的峰值处与边缘交叉处有一较大的主曲率值，但在垂直方向曲率值较小，利用这个性质可以将边缘处的低对比度特征点，即对噪声敏感的特征点过滤掉，通过以下操作方法实现：

由： $H=\left[\begin{array}{cc}{C}_{\mathrm{xx}}& D_{\mathrm{xy}}\\ D_{\mathrm{xy}}& D_{\mathrm{yy}}\end{array}\right]$

得到：Tr(H)＝D_xx+D_yy＝α+β

得到：Det(H)＝D_xxD_yy-(D_xy)²＝αβ

得到： $\frac{\mathrm{Tr}{\left(H\right)}^2}{\mathrm{Det}\left(H\right)}=\frac{{(\mathrm{\α}+\mathrm{\β})}^2}{\mathrm{\α\β}}=\frac{{(\mathrm{\γ\β}+\mathrm{\β})}^2}{{\mathrm{\γ\β}}^2}=\frac{{(\mathrm{\γ}+1)}^2}{\mathrm{\γ}}$

得到： $\frac{\mathrm{Tr}{\left(H\right)}^2}{\mathrm{Det}\left(H\right)}<\frac{{(\mathrm{\&gamma;}+1)}^2}{\mathrm{\&gamma;}}$

如阈值γ大于10，则认为该点是位于边缘而被过滤掉，

步骤24）、在合适尺度对特征点的局部区域进行灰度采样，通过标准相关性方法为每个特征点建立一个描述符。

在实施中，对每幅图像L(x,y)，其梯度值m(x,y)和方向θ(x,y)可以通过像素点的差值预先得到，对于同样梯度值的多个峰值所对应的特征点位置，在相同位置和尺度将会有多个特征点被创建但方向不同：

其梯度公式为： $m(x,y)=\sqrt{{(L(x+1,y)-L(x-1,y))}^2+{(L(x,y+1)-L(x,y-1))}^2}$

其方向公式为：θ(x,y)＝tan^-1((L(x,y+1)-L(x,y-1))/(L(x+1,y)-L(x-1,y)))

在合适尺度对围绕特征点的局部区域进行灰度采样，并用一个标准的相关性方法对其进行匹配，通过上述方法为每个特征点建立一个描述符。

参见图5，为本发明数字化仪成像及图像拼接处理方法实施例三的流程图，实施例三为步骤03）的具体步骤，所述步骤03）进一步的具体为：

步骤31）、利用best-bin-first算法找到最近邻点和次近邻点；

步骤32）、利用random sample consensus算法来提纯特征点集合；

步骤33）、匹配后去除野点。

采用最近邻特征点欧氏距离与次近邻特征点欧氏距离之比对特征点进行匹配，用best-bin-first(BBF)算法以较高的概率找到最近邻点和次近邻点。最后用random sample consensus(RANSAC)算法来提纯特征点集合，去除野点。

参见图6，为本发明数字化仪成像及图像拼接处理方法实施例四的流程图，实施例四为步骤04）的具体步骤，所述步骤04）进一步的具体为：

步骤41）、用最小二乘法优化算法对已经匹配的特征点进行有限步迭代操作后求出坐标变换矩阵；

用最小二乘法优化算法对已经匹配的特征点进行有限步迭代操作后求出坐标变换矩阵X。

构造互相匹配的特征点对X＝[x₁,x₂,…,x_m]，Y＝[y₁,y₂,…,y_m]以及

求出 $\stackrel{\&OverBar;}{X}={\mathrm{XJX}}^T$ 和 $\stackrel{\&OverBar;}{Y}={\mathrm{YJY}}^T$

计算出旋转、缩放参数矩阵

计算出平移参数 $t^{*}=\frac{1}{m}(Y-\stackrel{\&OverBar;}{Y}{\stackrel{\&OverBar;}{X}}^{-1}X)L$

步骤42）、拼接图像，匹配特征点所在的两幅图像的公共部分为图像间的重叠部分，将两幅图像进行重新采样，注册到一幅新的空白图像中形成一幅新的融合图像；

步骤43）、利用其在各尺度上的低频小波分量作为多尺度加权系数，把两幅图像在不同尺度下的小波分量进行平均，通过重构，恢复整个图像。

在实施中，用拼接图像的示性函数，表征图像参与拼接的程度，利用其在各尺度上的低频小波分量作为多尺度加权系数，把两幅图像在不同尺度下的小波分量进行平均，然后通过重构，恢复整个图像。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (5)

1.数字化仪成像及图像拼接处理方法，其特征在于，包括以下步骤：

步骤01）、图像收集：医用胶片插进数字化仪中，CCD采集医用胶片上的图像信息转化成数字信号存储在存储器中，DSP处理器读取存储器中的图像信号；

步骤02）、图像特征点提取：利用尺度不变特征变换算法提取基准图像和后续图像的特征点，确定特征点的位置、尺度与方向；

步骤03）、图像匹配：利用128维向量对特征点进行描述，利用最近邻法完成两幅图像特征点的匹配，确定重合区域；

步骤04）、图像拼接：基于小波变换的多分辨率方法完成对图像的拼接。

2.根据权利要求1所述的数字化仪成像及图像拼接处理方法，其特征在于，所述步骤01）具体为：

步骤11）、医用胶片从数字化仪外壳的胶片入口插进数字化仪内部，遮光部件阻断外接光源，固定部件固定好医用胶片，数字化仪主板检测到医用胶片后，驱动CCD清空数据，同时控制好光源板曝光，CCD采集医用胶片上的图像信息；

步骤12）、通过A/D转换器处理后转换成数字信号输入FPGA中；

步骤13）、经FPGA处理后的图像信号存储在存储器中，DSP处理器由数据地址控制线连接EMIF，通过EMIF读取到存储器中的图像信号。

3.根据权利要求1所述的数字化仪成像及图像拼接处理方法，其特征在于，所述步骤02）具体为：

步骤21）、对图像进行卷积操作；

步骤22）、使用高斯函数之差对图像进行卷积操作，得到高斯差分函数，检测出尺度空间中的稳定特征点；

步骤23）、将步骤22）中得到的稳定特征点中低对比度的特征点过滤掉；

步骤24）、在合适尺度对特征点的局部区域进行灰度采样，通过标准相关性方法为每个特征点建立一个描述符。

4.根据权利要求3所述的数字化仪成像及图像拼接处理方法，其特征在于，所述步骤03）具体为：

步骤31）、利用best-bin-first算法找到最近邻点和次近邻点；

步骤32）、利用random sample consensus算法来提纯特征点集合；

步骤33）、匹配后去除野点。

5.根据权利要求4所述的数字化仪成像及图像拼接处理方法，其特征在于，所述步骤04）具体为：

步骤41）、用最小二乘法优化算法对已经匹配的特征点进行有限步迭代操作后求出坐标变换矩阵；

步骤42）、拼接图像，匹配特征点所在的两幅图像的公共部分为图像间的重叠部分，将两幅图像进行重新采样，注册到一幅新的空白图像中形成一幅新的融合图像；

步骤43）、利用其在各尺度上的低频小波分量作为多尺度加权系数，把两幅图像在不同尺度下的小波分量进行平均，通过重构，恢复整个图像。

Images