CN103793915A - 神经外科导航中低成本无标记配准系统及配准方法 - Google Patents

Abstract

本发明涉及一种神经外科导航中低成本无标记配准系统及配准方法，包括术前影像分割模块、术中表面重建模块、以及术前表面和术中表面配准模块；所述的术前影像分割模块接收术前影像学检查获得的完整头部DICOM格式图像，分割出病人面部表面，并且将分割结果传至术前表面和术中表面配准模块；所述的术中表面重建模块，通过结构光投影技术，重建术中病人面部表面，然后将重建结果传至术前表面和术中表面配准模块；所述的术前表面和术中表面配准模块接收术前影像分割模块和术中表面重建模块传来的术前面部和术中面部数据，完成配准操作，从而实现神经外科导航中配准。与现有技术相比，本发明具有实现成本低、配准精度高等优点。

Description

神经外科导航中低成本无标记配准系统及配准方法

技术领域

本发明涉及一种神经外科导航技术，尤其是涉及一种神经外科导航中低成本无标记配准系统及配准方法。

背景技术

由于手术导航能够为微创介入治疗提供必要的技术支持，随着CT和MRI的发展，它逐渐成为神经外科手术必须进行的常规步骤。

在此过程中，术前规划与术中数据的配准是必不可少的一步。然而，现有的大多数配准系统都是利用标记点配准方法，但是基于植入标记点的配准方法需要额外的手术操作，同时会对病患造成创伤；基于皮肤粘合标记点的配准，由于数据采集时往往伴随着皮肤移动，因此配准精度相对较低；基于解剖标记点的配准方法，一则显现在两种模态中的解剖标记点的数目相对较少，二则标记点的定位过程往往存在误差，因此配准精度低。

经过对现有技术的检索发现，“Registration of head CT images to physical spaceusing a weighted combination of points and surfaces，Medical Imaging，IEEETransactions on，vol.17，pp.753-761，1998”(使用点和表面加权的组合来把CT图像配准到物理空间，医学成像，1998年)中Maurer引入了一个无标记配准方法：他使用一个探头来采样病人表面点云，然后计算该点云到从病人3D图像最佳匹配。但是，这样的人工操作耗时，易受人的主观的影响。

“Accuracy identification of markerless registration with the dlr handheld3d-modeller in medical applications，Proceedings of CURAC，vol.6，2007.”(在医学应用中使用DLR手持式3D建模器无标记配准的精确的识别，CURAC论文集，第六版，2007年)中尝试使用一个DLR3D建模器来执行一个无标记的，无接触的配准。但他们的系统需要特别定制，构建复杂。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种实现成本低、配准精度高的神经外科导航中低成本无标记配准系统及配准方法，采用结构光投影技术重建术中病人面部，再通过ICP(迭代最近点)，CPD(相干点漂移)或者基于SIFT(尺度不变特征变换)的配准方法将它对齐到分割的术前病人面部，从而实现手术导航中配准要求。

本发明的目的可以通过以下技术方案来实现：

一种神经外科导航中低成本无标记配准系统，其特征在于，包括术前影像分割模块、术中表面重建模块、以及术前表面和术中表面配准模块，所述的术前影像分割模块、术中表面重建模块分别与术前表面和术中表面配准模块连接；

所述的术前影像分割模块接收术前影像学检查获得的完整头部DICOM格式图像，分割出病人面部表面，并且将分割结果传至术前表面和术中表面配准模块；

所述的术中表面重建模块，通过结构光投影技术，重建术中病人面部表面，然后将重建结果传至术前表面和术中表面配准模块；

所述的术前表面和术中表面配准模块接收术前影像分割模块和术中表面重建模块传来的术前面部和术中面部数据，完成配准操作，从而实现神经外科导航中配准。

所述的术前影像分割模块包括依次连接的DICOM图像读入单元和术前面部表面分割单元，所述的DICOM图像读入单元将术前影像学检查获得的完整头部DICOM格式图像文件导入解析出DICOM数据并传输至术前面部表面分割单元；所述的术前面部表面分割单元对术前头部影像的每一帧，利用高斯阈值方法完成术前面部表面的分割。

所述的术中表面重建模块包括依次连接的系统校准单元和三维表面重建单元，所述的系统校准单元对重建系统的相机和投影仪进行校准，并将校准后的参数传至三维表面重建单元，所述的三维表面重建单元接受系统校准单元获得的投影仪和相机参数，通过结构光重建技术，完成三维点云的计算，从而得到术中的三维表面。

所述的术前表面和术中表面配准模块包括迭代最近点ICP配准单元、相干点漂移CPD单元和基于尺度不变特征变换SIFT配准单元，所述的ICP配准单元和CPD配准单元是通过相应的ICP和CPD刚体配准算法，计算出术前面部和术中面部的转换矩阵，实现图像空间与手术对象空间的配准；基于SIFT配准单元，通过将三维面部转换成二维深度图，通过SFIT方法提取对应点，再利用普朗克分析，配准对应点，实现配准操作。

根据上述所述系统的配准方法，其特征在于，包括以下步骤：

第一步、术前影像分割模块中的术前面部表面分割单元通过术前影像导入单元获得头部区域的DICOM格式的断层图像数据后，对该图像数据每一帧基于高斯的阈值方法计算阈值，获得分割结果，并根据分割结果获得术前面部数据；

第二步、术中表面重建模块中的系统校准单元包含相机校准和投影仪校准，其中，相机校准基于张正友摄像机标定算法，利用MATLAB相机标定工具箱，获得相机内参数和外参数，完成相机标定；投影仪标定使用结构光技术获得投影仪的投影中心；

第三步、术中表面重建模块中的三维表面重建单元，接收相机的内外参数和投影仪的投影中心数据，利用相位高度转换算法计算三维点的坐标，完成三维面部表面的重建；

第四步、术前表面和术中表面配准模块中的ICP配准单元将获得的重建面部上的点配准到术前分割出来的面部上，同时为了加速，将重建面部的点分为10组：(P₁，P₁₁，P₂₁...；...；P₁₀，P₂₀，P₃₀...；)，最终得到重建面部点集与分割面部点集之间的转换矩阵T；

第五步、术前表面和术中表面配准模块中的CPD配准单元是利用CPD算法将上面获得的重建面部上的点配准到术前分割出来的面部上，同时为了加速，将重建表面的点分为10组：(P₁，P₁₁，P₂₁...；...；P₁₀，P₂₀，P₃₀...；)，最终得到重建面部点集与分割面部点集之间的转换矩阵T；

第六步、术前表面和术中表面配准模块中的基于SIFT配准单元，计算得到重建面部点集与分割面部点集之间的转换矩阵T。

所述的第二步具体如下：

201)通过投影仪向与相机距离为S的平板投影三幅水平方向的条纹图、三幅垂直方向的条纹图以及一幅角点图，相机捕捉投影的图像，再利用三步相移算法和基于质量图的相位展开算法计算其水平绝对相位图和垂直绝对相位图；

202)平行移动平板到距离相机位置为T，再投影上面相同的图像到该平板，相机捕捉投影的图像，再利用三步相移算法和基于质量图的相位展开算法计算该位置的水平绝对相位图和垂直绝对相位图：

203)对位置S，提取采样点S_MN，其中M和N分别为其图像横纵坐标，在水平绝对相位图上获得该点对应的水平绝对相位值

在垂直绝对相位图上获得该点对应的垂直绝对相位值

204)对位置T，在其水平绝对相位图和垂直绝对相位图中查找点S_mn，其中m和n分别为其图像横纵坐标，使得其对应的水平绝对相位值等于

垂直绝对相位值等于

205)找到多组满足上述条件的点对，连接这些点对构成多条直线；通过最小二乘法计算这些直线的交点来获得投影中心。

所述的第三步具体如下：

301)利用投影仪向背景板投影3幅水平方向的条纹图和一幅角点图，相机捕捉投影的图像，再利用三步相移算法和基于质量图的相位展开算法计算水平绝对相位图

302)利用投影仪向人面部投影3幅水平方向的条纹图和一幅角点图，相机捕捉投影的图像，再利用三步相移算法和基于质量图的相位展开算法计算水平绝对相位图

303)对中的一点MI(u，v)，其中u和v分别为图像的横纵坐标，其绝对相位值为

304)将投影中心P的世界坐标转换到相机的图像坐标，获得点PI；

305)在绝对相位图上，沿着直线PI-MI，找到一点NI，使得其绝对相位值等于

306)将MI和NI从图像坐标转换到世界坐标，同时分别连接相机中心C与MI以及相机中心C与NI；计算直线C-MI和C-NI与背景板平面的交点：MR和NR；

307)计算异面直线P-NR和C-MR的中垂线的中点M；该点坐标即为点MI(u，v)在世界空间中的坐标。

所述的第六步具体如下：

601)对分割的面部表面计算其深度图S，对重建的面部表面计算其深度图C，并对深度图S和C进行高斯平滑预处理；

602)从深度图S和C中，计算出它们的高斯曲率图GS和GC；然后利用SIFT方法提取关键点，S₁＝(x₁，...，x_M)和S₂＝(y₁，...，y_N)；对S₁中的任-点，找到它在S₂的最近邻点，从而建立对应关系；

603)在先验知识的约束下，滤除不符合条件的对应点；

604)通过普朗克分析，建立两组对应点的变换关系；从而获得重建面部和分割面部的配准。

所述的水平方向的条纹图和垂直方向的条纹图是指：

灰度范围为100-200之间的，沿着水平方向或垂直方向的灰度值按

的图像，其中I(x，y)是灰度值，ρ是条纹像素周期，δ是相移值，分别为-2π/3，0，and2π/3；

所述的角点图是指：中间为一个棋盘格点的均匀图像。

所述的三步相移算法具体为：

相机捕捉的三幅图像的灰度值为：

其中A(x，y)是平均灰度，B(x，y)是灰度调制，δ_i(i＝1，2，3)是相移，

是需要被计算的相位，然后通过

计算出经过高度调制的相位。

所述的基于质量图的相位展开算法为把计算的相对相位图转换成绝对相位图，具体步骤如下：

1)从捕捉到的角点图像中，查找内角点，作为展开的起始点；

2)按照

其中I₁，I₂，I₃分别为捕捉到的三幅条纹图，计算得到质量图一；

3)按照 $Q(i,j)=\max \{{\mathrm{\Δ}}_{i,j}^x,{\mathrm{\Δ}}_{i,j}^y\},$

其中

是计算的相位值，W是用来估计相对相位值之间真实梯度的算子，计算而得到质量图二；

4)根据γ(x，y)＞0.25，找到需要重建的目标区域，根据

获得质量图二的均值，根据

获得质量图二的方差，设置阈值T，其中

点{(i，j)|Q(i，j)＜T₀}作为第一层；第n层，可以写成将点分为三层，其中80％的点都是位于第一层；

5)点分层之后，从起始点出发，从水平方向和垂直方向，从第一层的点开始按照线扫描算法进行相位展开，如果第一层的点未展开，那么该点放入第二层；当第一层点都展开完成之后，从第二层点开始展开；直至所有层的点都被展开，如果有一些点直到最后仍然未展开，那么就将被丢弃；

6)相位展开之后既可以获得绝对相位图。

所述的相对相位图是指：相机捕捉到三幅水平条纹图或者垂直条纹图之后，按照三步相移算法，计算获得相位值截断的相位图；

所述的绝对相位图是指：对相对相位图，按照相位展开算法，获得相位值呈线性变换的相位图。

所述的线扫描算法进行相位展开是指：

假设某一点N的相对相位值为Q_N，其绝对相位值为AQ_N；其邻近点的相对相位值为Q_N+1；那么计算其绝对相位值公式为：

temp＝Q_N+1-Q_N

AQ_N+1＝AQ_N+temp-2*PI，if(temp＞PI)

AQ_N+1＝AQ_N+temp+2*PI，if(temp＜-PI)

与现有技术相比，本发明具有以下优点：

1、实现成本低，开发一套低成本无标记点的自动配准系统，它能够以低端的设备达到与其他高成本系统相近的配准精度；

2、配准精度高，开发一个新的接近实时的配准算法，其精度与已知的ICP和CPD的精度接近。

附图说明

图1为本发明配准系统的结构示意图；

图2为三幅水平方向、三幅垂直方向的条纹图和一幅角点图；

图3为水平方向、垂直方向的相对相位图和其对应的绝对相位图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例

如图1所示，一种神经外科导航中低成本无标记配准系统，其特征在于，包括术前影像分割模块、术中表面重建模块、以及术前表面和术中表面配准模块，所述的术前影像分割模块、术中表面重建模块分别与术前表面和术中表面配准模块连接；

所述的术前影像分割模块接收术前影像学检查获得的完整头部DICOM格式图像，分割出病人面部表面，并且将分割结果传至术前表面和术中表面配准模块；所述的术中表面重建模块，通过结构光投影技术，重建术中病人面部表面，然后将重建结果传至术前表面和术中表面配准模块；所述的术前表面和术中表面配准模块接收术前影像分割模块和术中表面重建模块传来的术前面部和术中面部数据，完成配准操作，从而实现神经外科导航中配准。

所述的术前影像分割模块包括依次连接的DICOM图像读入单元和术前面部表面分割单元，所述的DICOM图像读入单元将术前影像学检查获得的完整头部DICOM格式图像文件导入解析出DICOM数据并传输至术前面部表面分割单元；所述的术前面部表面分割单元对术前头部影像的每一帧，利用高斯阈值方法完成术前面部表面的分割。

所述的术中表面重建模块包括依次连接的系统校准单元和三维表面重建单元，所述的系统校准单元对重建系统的相机和投影仪进行校准，并将校准后的参数传至三维表面重建单元，所述的三维表面重建单元接受系统校准单元获得的投影仪和相机参数，通过结构光重建技术，完成三维点云的计算，从而得到术中的三维表面。

所述的术前表面和术中表面配准模块包括迭代最近点ICP配准单元、相干点漂移CPD单元和基于尺度不变特征变换SIFT配准单元，所述的ICP配准单元和CPD配准单元是通过相应的ICP和CPD刚体配准算法，计算出术前面部和术中面部的转换矩阵，实现图像空间与手术对象空间的配准；基于SIFT配准单元，通过将三维面部转换成二维深度图，通过SFIT方法提取对应点，再利用普朗克分析，配准对应点，实现配准操作。

根据上述所述系统的配准方法，其特征在于，包括以下步骤：

第一步、术前影像分割模块中的术前面部表面分割单元通过术前影像导入单元获得头部区域的DICOM格式的断层图像数据后，对该图像数据每一帧基于高斯的阈值方法计算阈值，获得分割结果，并根据分割结果获得术前面部数据；

第二步、术中表面重建模块中的系统校准单元包含相机校准和投影仪校准，其中，相机校准基于张正友摄像机标定算法，利用MATLAB相机标定工具箱，获得相机内参数和外参数，完成相机标定；投影仪标定使用结构光技术获得投影仪的投影中心，具体步骤如下：

201)通过投影仪向与相机距离为S的平板投影三幅水平方向的条纹图、三幅垂直方向的条纹图以及一幅角点图，相机捕捉投影的图像，再利用三步相移算法和基于质量图的相位展开算法计算其水平绝对相位图和垂直绝对相位图；

202)平行移动平板到距离相机位置为T，再投影上面相同的图像到该平板，相机捕捉投影的图像，再利用三步相移算法和基于质量图的相位展开算法计算该位置的水平绝对相位图和垂直绝对相位图；

203)对位置S，提取采样点S_MN，其中M和N分别为其图像横纵坐标，在水平绝对相位图上获得该点对应的水平绝对相位值在垂直绝对相位图上获得该点对应的垂直绝对相位值

204)对位置T，在其水平绝对相位图和垂直绝对相位图中查找点S_mn，其中m和n分别为其图像横纵坐标，使得其对应的水平绝对相位值等于

垂直绝对相位值等于

205)找到多组满足上述条件的点对，连接这些点对构成多条直线；通过最小二乘法计算这些直线的交点来获得投影中心。

第三步、术中表面重建模块中的三维表面重建单元，接收相机的内外参数和投影仪的投影中心数据，利用相位高度转换算法计算三维点的坐标，完成三维面部表面的重建，具体步骤如下：

301)利用投影仪向背景板投影3幅水平方向的条纹图和一幅角点图，相机捕捉投影的图像，再利用三步相移算法和基于质量图的相位展开算法计算水平绝对相位图

302)利用投影仪向人面部投影3幅水平方向的条纹图和一幅角点图，相机捕捉投影的图像，再利用三步相移算法和基于质量图的相位展开算法计算水平绝对相位图

303)对

中的一点MI(u，v)，其中u和v分别为图像的横纵坐标，其绝对相位值为

304)将投影中心P的世界坐标转换到相机的图像坐标，获得点PI；

305)在绝对相位图

上，沿着直线PI-MI，找到一点NI，使得其绝对相位值等于

306)将MI和NI从图像坐标转换到世界坐标，同时分别连接相机中心C与MI以及相机中心C与NI；计算直线C-MI和C-NI与背景板平面的交点：MR和NR；

307)计算异面直线P-NR和C-MR的中垂线的中点M；该点坐标即为点MI(u，v)在世界空间中的坐标。

第四步、术前表面和术中表面配准模块中的ICP配准单元将获得的重建面部上的点配准到术前分割出来的面部上，同时为了加速，将重建面部的点分为10组：(P₁，P₁₁，P₂₁...；...；P₁₀，P₂₀，P₃₀...；)，最终得到重建面部点集与分割面部点集之间的转换矩阵T；

第五步、术前表面和术中表面配准模块中的CPD配准单元是利用CPD算法将上面获得的重建面部上的点配准到术前分割出来的面部上，同时为了加速，将重建表面的点分为10组：(P₁，P₁₁，P₂₁...；...；P₁₀，P₂₀，P₃₀...；)，最终得到重建面部点集与分割面部点集之间的转换矩阵T；

第六步、术前表面和术中表面配准模块中的基于SIFT配准单元，计算得到重建面部点集与分割面部点集之间的转换矩阵T，具体步骤如下：

601)对分割的面部表面计算其深度图S，对重建的面部表面计算其深度图C，并对深度图S和C进行高斯平滑预处理；

602)从深度图S和C中，计算出它们的高斯曲率图GS和GC；然后利用SIFT方法提取关键点，S₁＝(x₁，...，x_M)和S₂＝(y₁，...，y_N)；对S₁中的任一点，找到它在S₂的最近邻点，从而建立对应关系；

603)在先验知识的约束下，滤除不符合条件的对应点；

604)通过普朗克分析，建立两组对应点的变换关系；从而获得重建面部和分割面部的配准。

如图2所示，所述的水平和垂直条纹图是指：灰度范围为100-200之间的，沿着水平方向或垂直方向的灰度值按： $I(x,y)=50\×(1+\cos (\frac{2\mathrm{\πx}}{\mathrm{\ρ}}+\mathrm{\δ}))+100,$ 其中I(x，y)是灰度值，ρ是条纹像素周期，δ是相移值，分别为-2π/3，0，and2π/3。

如图2所示，所述的角点图是指：中间为一个棋盘格点的均匀图像。

如图3所示，所述的相对相位图是指：相机捕捉到三幅水平条纹图或者垂直条纹图之后，按照三步相移算法，计算获得相位值截断的相位图。

如图3所示，所述的绝对相位图是指：对相对相位图，按照相位展开算法，获得相位值呈线性变换的相位图。

所述的三步相移算法是指：相机捕捉的三幅图像的灰度值为： 其中A(x，y)是平均灰度，B(x，y)是灰度调制，δ_i(i＝1，2，3)是相移，

是需要被计算的相位。然后通过

既可以计算出经过高度调制的相位。

所述的基于质量图的相位展开算法是指：把计算的相对相位图转换成绝对相位图，其按照如下步骤：

1)从捕捉到的角点图像中，查找内角点，作为展开的起始点；

2)按照

其中I₁，I₂，I₃分别为捕捉到的三幅条纹图，计算得到质量图一；

3)按照 $Q(i,j)=\max \{{\mathrm{\Δ}}_{i,j}^x,{\mathrm{\Δ}}_{i,j}^y\},$

其中

是计算的相位值，W是用来估计相对相位值之间真实梯度的算子，计算而得到质量图二；

4)根据γ(x，y)＞0.25，找到需要重建的目标区域，根据

获得质量图二的均值，根据

获得质量图二的方差，设置阈值T，其中

点{(i，j)|Q(i，j)＜T₀}作为第一层；第n层，可以写成

将点分为三层，其中80％的点都是位于第一层；

5)点分层之后，从起始点出发，从水平方向和垂直方向，从第一层的点开始按照线扫描算法进行相位展开，如果第一层的点未展开，那么该点放入第二层；当第一层点都展开完成之后，从第二层点开始展开；直至所有层的点都被展开，如果有一些点直到最后仍然未展开，那么就将被丢弃；

6)相位展开之后既可以获得绝对相位图。

所述的线扫描相位展开算法是指：假设某一点N的相对相位值为Q_N，其绝对相位值为AQ_N；其邻近点的相对相位值为Q_N+1；那么计算其绝对相位值公式为：

temp＝Q_N+1-Q_N

AQ_N+1＝AQ_N+temp-2*PI，if(temp＞PI)

AQ_N+1＝AQ_N+temp+2*PI，if(temp＜-PI)

所述的相机校准是指：为了能将术前的图像坐标融合到术中空间所计算的相机内参数和外参数，其外部参数可以表示为：

$M_{\mathrm{ext}}\left[\begin{array}{cccc}{r}_1& r_2& r_3& r_x\\ r_4& r_5& r_6& r_y\\ r_7& r_8& r_9& r_z\\ 0& 0& 0& 1\end{array}\right]$ 其中，r₁......r₉为旋转因子，t_x，t_y，t_z为平移向量

内部参数可以表示为：

$M_{\mathrm{int}}\left[\begin{array}{cccc}\mathrm{sf}& 0& u_0& 0\\ 0& f& v_0& 0\\ 0& 0& 1& 0\end{array}\right]$ 其中，f为镜头焦点到镜面中心的距离，s为镜头视野的宽高比，(u₀，v₀)为镜面中心在2D投影坐标系下的坐标。内窥镜的标定即是要确定M_int和M_ext这两个矩阵。

在完成了配准后，每一个相位的图像都各自得到了一个转换矩阵T。我们使用SAD作为配准的相似性测度。

SAD定义为：

$\mathrm{ASD}(A,B)=\frac{1}{{\mathrm{\ΣS}}_B+{\mathrm{\ΣS}}_A}({\mathrm{\Σ}}_{S_A,\∈S\left(A\right)}d\left((S_A,S\left(B\right))\right)+{\mathrm{\Σ}}_{S_B,\∈S\left(B\right)}d\left((S_B,S\left(A\right))\right));$ 其中S(A)和S(B)分别表示术前分割的面部和术中经过转换矩阵T变换的重建的面部。S_A，S_B是S(A)和S(B)上的任意一点，d()是点和表面的最近欧拉距离。

Claims (13)

1.一种神经外科导航中低成本无标记配准系统，其特征在于，包括术前影像分割模块、术中表面重建模块、以及术前表面和术中表面配准模块，所述的术前影像分割模块、术中表面重建模块分别与术前表面和术中表面配准模块连接； 

所述的术前影像分割模块接收术前影像学检查获得的完整头部DICOM格式图像，分割出病人面部表面，并且将分割结果传至术前表面和术中表面配准模块； 

所述的术中表面重建模块，通过结构光投影技术，重建术中病人面部表面，然后将重建结果传至术前表面和术中表面配准模块； 

所述的术前表面和术中表面配准模块接收术前影像分割模块和术中表面重建模块传来的术前面部和术中面部数据，完成配准操作，从而实现神经外科导航中配准。 

2.根据权利要求1所述的配准系统，其特征在于，所述的术前影像分割模块包括依次连接的DICOM图像读入单元和术前面部表面分割单元，所述的DICOM图像读入单元将术前影像学检查获得的完整头部DICOM格式图像文件导入解析出DICOM数据并传输至术前面部表面分割单元；所述的术前面部表面分割单元对术前头部影像的每一帧，利用高斯阈值方法完成术前面部表面的分割。 

3.根据权利要求1所述的配准系统，其特征在于，所述的术中表面重建模块包括依次连接的系统校准单元和三维表面重建单元，所述的系统校准单元对重建系统的相机和投影仪进行校准，并将校准后的参数传至三维表面重建单元，所述的三维表面重建单元接受系统校准单元获得的投影仪和相机参数，通过结构光重建技术，完成三维点云的计算，从而得到术中的三维表面。 

4.根据权利要求1所述的配准系统，其特征在于，所述的术前表面和术中表面配准模块包括迭代最近点ICP配准单元、相干点漂移CPD单元和基于尺度不变特征变换SIFT配准单元，所述的ICP配准单元和CPD配准单元是通过相应的ICP和CPD刚体配准算法，计算出术前面部和术中面部的转换矩阵，实现图像空间与手术对象空间的配准；基于SIFT配准单元，通过将三维面部转换成二维深度图，通过SFIT方法提取对应点，再利用普朗克分析，配准对应点，实现配准操作。 

5.根据上述任一权利要求所述系统的配准方法，其特征在于，包括以下步骤： 

第一步、术前影像分割模块中的术前面部表面分割单元通过术前影像导入单元获得头部区域的DICOM格式的断层图像数据后，对该图像数据每一帧基于高斯的阈值方法计算阈值，获得分割结果，并根据分割结果获得术前面部数据； 

第二步、术中表面重建模块中的系统校准单元包含相机校准和投影仪校准，其中，相机校准基于张正友摄像机标定算法，利用MATLAB相机标定工具箱，获得相机内参数和外参数，完成相机标定；投影仪标定使用结构光技术获得投影仪的投影中心； 

第三步、术中表面重建模块中的三维表面重建单元，接收相机的内外参数和投影仪的投影中心数据，利用相位高度转换算法计算三维点的坐标，完成三维面部表面的重建； 

第四步、术前表面和术中表面配准模块中的ICP配准单元将获得的重建面部上的点配准到术前分割出来的面部上，同时为了加速，将重建面部的点分为10组；(P₁，P₁₁，P₂₁...；...；P₁₀，P₂₀，P₃₀...；)，最终得到重建面部点集与分割面部点集之间的转换矩阵T； 

第五步、术前表面和术中表面配准模块中的CPD配准单元是利用CPD算法将上面获得的重建面部上的点配准到术前分割出来的面部上，同时为了加速，将重建表面的点分为10组：(P₁，P₁₁，P₂₁...；...；P₁₀，P₂₀，P₃₀...；)，最终得到重建面部点集与分割面部点集之间的转换矩阵T； 

第六步、术前表面和术中表面配准模块中的基于SIFT配准单元，计算得到重建面部点集与分割面部点集之间的转换矩阵T。 

6.根据权利要求5所述的配准方法，其特征在于，所述的第二步具体如下： 

201)通过投影仪向与相机距离为S的平板投影三幅水平方向的条纹图、三幅垂直方向的条纹图以及一幅角点图，相机捕捉投影的图像，再利用三步相移算法和基于质量图的相位展开算法计算其水平绝对相位图和垂直绝对相位图； 

202)平行移动平板到距离相机位置为T，再投影上面相同的图像到该平板，相机捕捉投影的图像，再利用三步相移算法和基于质量图的相位展开算法计算该位置的水平绝对相位图和垂直绝对相位图； 

203)对位置S，提取采样点S_MN，其中M和N分别为其图像横纵坐标，在水平绝对相位图上获得该点对应的水平绝对相位值

在垂直绝对相位图上获得该点对应的垂直绝对相位值

204)对位置T，在其水平绝对相位图和垂直绝对相位图中查找点S_mn，其中m和n分别为其图像横纵坐标，使得其对应的水平绝对相位值等于

垂直绝对相位值等于

205)找到多组满足上述条件的点对，连接这些点对构成多条直线；通过最小二乘法计算这些直线的交点来获得投影中心。 

7.根据权利要求5所述的配准方法，其特征在于，所述的第三步具体如下： 

301)利用投影仪向背景板投影3幅水平方向的条纹图和一幅角点图，相机捕捉投影的图像，再利用三步相移算法和基于质量图的相位展开算法计算水平绝对相位图

302)利用投影仪向人面部投影3幅水平方向的条纹图和一幅角点图，相机捕捉投影的图像，再利用三步相移算法和基于质量图的相位展开算法计算水平绝对相位图

303)对

中的一点MI(u，v)，其中u和v分别为图像的横纵坐标，其绝对相位值为

304)将投影中心P的世界坐标转换到相机的图像坐标，获得点PI； 

305)在绝对相位图

上，沿着直线PI-MI，找到一点NI，使得其绝对相位值等于

306)将MI和NI从图像坐标转换到世界坐标，同时分别连接相机中心C与MI以及相机中心C与NI；计算直线C-MI和C-NI与背景板平面的交点：MR和NR； 

307)计算异面直线P-NR和C-MR的中垂线的中点M；该点坐标即为点MI(u，v)在世界空间中的坐标。 

8.根据权利要求5所述的配准方法，其特征在于，所述的第六步具体如下： 

601)对分割的面部表面计算其深度图S，对重建的面部表面计算其深度图C，并对深度图S和C进行高斯平滑预处理； 

602)从深度图S和C中，计算出它们的高斯曲率图GS和GC；然后利用SIFT方法提取关键点，S₁＝(x₁，...，x_M)和S₂＝(y₁，...，y_N)；对S₁中的任一点，找到它在S₂的最近邻点，从而建立对应关系； 

603)在先验知识的约束下，滤除不符合条件的对应点； 

604)通过普朗克分析，建立两组对应点的变换关系；从而获得重建面部和分割面部的配准。 

9.根据权利要求6所述的配准方法，其特征在于，所述的水平方向的条纹图和垂直方向的条纹图是指： 

灰度范围为100-200之间的，沿着水平方向或垂直方向的灰度值按

的图像，其中I(x，y)是灰度值，ρ是条纹像素周期，δ是相移值，分别为-2π/3，0，and2π/3； 

所述的角点图是指：中间为一个棋盘格点的均匀图像。 

10.根据权利要求6或7所述的配准方法，其特征在于，所述的三步相移算法具体为： 

相机捕捉的三幅图像的灰度值为：其中A(x，y)是平均灰度，B(x，y)是灰度调制，δ_i(i＝1，2，3)是相移，

是需要被计算的相位，然后通过计算出经过高度调制的相位。 

11.根据权利要求10所述的配准方法，其特征在于，所述的基于质量图的相位展开算法为把计算的相对相位图转换成绝对相位图，具体步骤如下： 

1)从捕捉到的角点图像中，查找内角点，作为展开的起始点； 

2)按照

其中I₁，I₂，I₃分别为捕捉到的三幅条纹图，计算得到质量图一； 

3)按照

其中

是计算的相位值，W是用来估计相对相位值之间真实梯度的算子，计算而得到质量图二； 

4)根据γ(x，y)＞0.25，找到需要重建的目标区域，根据

获得质量图二的均值，根据

获得质量图二的方差，设置阈值T，其中

点{(i，j)|Q(i，j)＜T₀}作为第一层；第n层，可以写成 将点分为三层，其中80％的点都是位于第一层； 

5)点分层之后，从起始点出发，从水平方向和垂直方向，从第一层的点开始按照线扫描算法进行相位展开，如果第一层的点未展开，那么该点放入第二层；当第一层点都展开完成之后，从第二层点开始展开；直至所有层的点都被展开，如果 有一些点直到最后仍然未展开，那么就将被丢弃； 

6)相位展开之后既可以获得绝对相位图。 

12.根据权利要求11所述的配准方法，其特征在于，所述的相对相位图是指：相机捕捉到三幅水平条纹图或者垂直条纹图之后，按照三步相移算法，计算获得相位值截断的相位图； 

所述的绝对相位图是指：对相对相位图，按照相位展开算法，获得相位值呈线性变换的相位图。 

13.根据权利要求11所述的配准方法，其特征在于，所述的线扫描算法进行相位展开是指： 

假设某一点N的相对相位值为Q_N，其绝对相位值为AQ_N；其邻近点的相对相位值为Q_N+1；那么计算其绝对相位值公式为： 

temp＝Q_N+1-QN 

AQ_N+1＝AQ_N+temp-2*PI，if(temp＞PI) 

AQ_N+1＝AQ_N+temp+2*PI，if(temp＜-PI) 。

Images