CN104537638A - 三维图像配准方法和系统 - Google Patents
三维图像配准方法和系统 Download PDFInfo
- Publication number
- CN104537638A CN104537638A CN201410654295.4A CN201410654295A CN104537638A CN 104537638 A CN104537638 A CN 104537638A CN 201410654295 A CN201410654295 A CN 201410654295A CN 104537638 A CN104537638 A CN 104537638A
- Authority
- CN
- China
- Prior art keywords
- image
- registration
- histogram
- amplitude weighting
- dimensional
- 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.)
- Pending
Links
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
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/30056—Liver; Hepatic
-
- 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
-
- 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
- G06T2207/30096—Tumor; Lesion
Abstract
本发明提供了一种三维图像配准方法和系统,其中,所述方法包括:获取待配准图像;分别构建第一幅值加权方向直方图和第二幅值加权方向直方图;对第一幅值加权方向直方图和第二幅值加权方向直方图进行归一化直方图匹配确定图像旋转量;根据图像旋转量对检测图像进行三维旋转获得旋转图像;分别构造第一平方方向图以及第二平方方向图;采用相位相关处理第一平方方向图和第二平方方向图得到图像平移量;根据图像旋转量和图像平移量对检测图像进行变换,并将变换后得到的图像与参考图像进行空间对齐实现待配准图像的配准。上述方法和系统相比传统图像配准技术具有简单、快速的优点。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种三维图像配准方法和系统。
背景技术
图像配准在医学影像分析领域的研究一直都是热点,应用领域非常广泛。在呼吸运动下人体器官(肺、肝或肿瘤)存在不连续性运动和较大的不规则形变,使得在不同呼吸周期下的器官配准定位变得非常困难。由于人体呼吸、心跳等不连续性运动或者手术引起的人体组织局部变形,另外在不同模态下获得医学影像间也往往存在较大的差异,使得医学影像中不但存在具有很大的局部差异,而且图像间也存在全局复杂的未知变换关系。因此,实现局部形变下的图像配准具有重要意义。
在局部形变下的图像的配准中,常规基于迭代优化的方法往往速度较慢及无法保证获得全局最优解,难以满足快速图像配准的临床需求。在临床上有时采用植入标记点方式实现三维图像的配准,但不足之处在于体内植入标记点需要手术麻醉完成,增加了病患的负担。同时,三维体数据中三维特征的提取和匹配,往往比较繁琐和费时。
发明内容
基于此,有必要针对上述技术问题,提供一种简单快速的三维图像配准方法和系统。
一种三维图像配准方法,所述方法包括:
获取待配准图像,所述待配准图像包括参考图像和检测图像;;
分别构建所述参考图像对应的第一幅值加权方向直方图和所述检测图像对应的第二幅值加权方向直方图;
对所述第一幅值加权方向直方图和所述第二幅值加权方向直方图进行归一 化直方图匹配确定图像旋转量;
根据所述图像旋转量对检测图像进行三维旋转获得旋转图像;
分别构造参考图像对应的第一平方方向图以及旋转图像对应的第二平方方向图;
采用相位相关处理所述第一平方方向图和所述第二平方方向图得到图像平移量;
根据所述图像旋转量和所述图像平移量对所述检测图像进行变换,并将变换后得到的图像与参考图像进行空间对齐实现待配准图像的配准。
在其中一个实施例中,所述分别构建所述参考图像对应的第一幅值加权方向直方图和所述检测图像对应的第二幅值加权方向直方图的步骤,包括:
计算参考图像的三维体数据在三维坐标系中三个轴方向的第一梯度方向,根据第一梯度方向构建第一幅值加权方向直方图;
计算检测图像对应的三维体数据在三维坐标系中三个轴方向的第二梯度方向,根据所述第二梯度方向构建第二幅值加权方向直方图。
在其中一个实施例中,所述对所述第一幅值加权方向直方图和所述第二幅值加权方向直方图进行归一化直方图匹配确定图像旋转量的步骤,包括:
采用快速傅里叶变换对所述第一幅值加权方向直方图和第二幅值加权方向直方图实现归一化直方图快速匹配,确定最佳平移量,所述最佳平移量即为图像旋转量。
在其中一个实施例中,所述采用相位相关处理第一平方方向图和第二平方方向图得到图像平移量的步骤,包括:
采用快速傅里叶变换计算第一平方方向图和第二平方方向图之间的图像平移量。
在其中一个实施例中,所述图像旋转量为三维体数据在三维坐标系中三个轴方向对应的三个旋转量,所述根据图像旋转量和图像平移量对所述检测图像进行变换,并将变换后的图像与参考图像进行空间对齐实现待配准图像的配准步骤,包括:
根据所述三个旋转量构造三维体数据间的三维旋转矩阵;
将所述三维旋转矩阵和图像平移量代入预设的刚体变换表达式中计算得到图像配准的空间变换函数;
根据所述空间变换函数实现对待配准图像的图像配准。
一种三维图像配准系统,所述系统包括:
图像获取模块,用于获取待配准图像,所述待配准图像包括参考图像和检测图像;
直方图构建模块,用于分别构建所述参考图像对应的第一幅值加权方向直方图和所述检测图像对应的第二幅值加权方向直方图;
旋转量确定模块,用于对所述第一幅值加权方向直方图和所述第二幅值加权方向直方图进行归一化直方图匹配确定图像旋转量;
旋转图像获取模块,用于根据所述图像旋转量对检测图像进行三维旋转获得旋转图像;
方向图构造模块,用于分别构造参考图像对应的第一平方方向图以及旋转图像对应的第二平方方向图;
平移量获取模块,用于采用相位相关处理所述第一平方方向图和所述第二平方方向图得到图像平移量;
图像配准模块,用于根据所述图像旋转量和所述图像平移量对所述检测图像进行变换,并将变换后得到的图像与参考图像进行空间对齐实现待配准图像的配准。
在其中一个实施例中,所述直方图构建模块包括:
第一直方图构建模块,用于计算参考图像的三维体数据在三维坐标系中三个轴方向的第一梯度方向,根据第一梯度方向构建第一幅值加权方向直方图;
第二直方图构建模块,用于计算检测图像对应的三维体数据在三维坐标系中三个轴方向的第二梯度方向,根据所述第二梯度方向构建第二幅值加权方向直方图。
在其中一个实施例中,所述旋转量确定模块还用于采用快速傅里叶变换对所述第一幅值加权方向直方图和第二幅值加权方向直方图实现归一化直方图 快速匹配,确定最佳平移量,所述最佳平移量即为图像旋转量。
在其中一个实施例中,所述平移量获取模块还用于采用快速傅里叶变换计算第一平方方向图和第二平方方向图之间的图像平移量。
在其中一个实施例中,所述图像旋转量为三维体数据在三维坐标系中三个轴方向对应的三个旋转量,所述图像配准模块包括:
矩阵构造模块,用于根据所述三个旋转量构造三维体数据间的三维旋转矩阵;
函数计算模块,用于将所述三维旋转矩阵和图像平移量代入预设的刚体变换表达式中计算得到图像配准的空间变换函数;
配准实现模块,用于根据所述空间变换函数实现对待配准图像的图像配准。
上述三维图像配准方法和系统,由于在三维图像配准的过程中不需要进行任何的迭代优化过程,也不需要在人体内植入任何标记点或在三维体数据中进行三维特征的提取和匹配,相比传统图像配准技术本发明的方法和系统具有简单、快速的优点。
附图说明
图1为一个实施例中三维图像配准方法的流程示意图;
图2为一个实施例中实现待配准图像的配准步骤的流程示意图;
图3为一个应用场景下使用本发明提供的三维图像配准方法的效果展示图;
图4为一个应用场景下使用本发明提供的三维图像配准方法运用在临床三维医学体数据处理实现图像配准的效果图;
图5为一个实施例中三维图像配准系统的结构示意图;
图6为一个实施例中直方图构建模块的结构示意图;
图7为一个实施例中图像配准模块的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅 仅用以解释本发明,并不用于限定本发明。
如图1所示,在一个实施例中,提供了一种三维图像配准方法,该方法包括:
步骤101,获取待配准图像。
本实施例中,待配准图像包括参考图像和检测图像。图像配准是指刚性配准,即待配准图像之间是钢体变换或欧式变换,参考图像和检测图像之间仅存在旋转和平移的变换。
步骤102,分别构建参考图像对应的第一幅值加权方向直方图和检测图像对应的第二幅值加权方向直方图。
具体的,针对参考图像的三维体数据内的每个体素,通过累积每个体素的幅值和方向值,构建了第一幅值加权方向直方图;针对检测图像的三维体数据内的每个体素,通过累积每个体素的幅值和方向值,构建了第二幅值加权方向直方图。第一幅值加权方向直方图和第二幅值加权方向直方图的角度分辨率预先设定,为了提高图像旋转量的精度,角度分辨率一般设定较小。此外,为了降低三维体数据间尺度差异的影响,采用了直方图归一化处理。对于一个三维体数据在三维坐标系中创建三个分别针对旋转角度θXY,θYZ和θZX的幅值加权方向分布直方图HXY,HYZ和HZX。
在一个实施例中,步骤102,分别构建参考图像对应的第一幅值加权方向直方图和检测图像对应的第二幅值加权方向直方图包括:计算参考图像的三维体数据在三维坐标系中三个轴方向的第一梯度方向,根据第一梯度方向构建第一幅值加权方向直方图;计算检测图像对应的三维体数据在三维坐标系中三个轴方向的第二梯度方向,根据第二梯度方向构建第二幅值加权方向直方图。
本实施例中,三维体数据中的梯度可以通过公式(1)计算三个轴方向X,Y,Z的一阶导数:
其中是对体数据X方向的梯度,是对体数据Y方向的梯度,而是对体数据Z方向的梯度。体数据的梯度幅值由以下公式(2)计算:
三维体数据的梯度方向为:
步骤103,对第一幅值加权方向直方图和第二幅值加权方向直方图进行归一化直方图匹配确定图像旋转量。具体的,采用快速傅里叶变换对第一幅值加权方向直方图和第二幅值加权方向直方图实现归一化直方图快速匹配,确定最佳平移量,最佳平移量即为图像旋转量。
本实施例中,直方图匹配主要是确定参考图像与检测图像之间的图像旋转量,根据第一幅值加权方向直方图和第二幅值加权方向直方图确定图像旋转量,若HA和HB分别对应第一幅值加权方向直方图和第二幅值加权方向直方图,直方图匹配主要是确定HA和HB之间最优的平移量,即公式(3)中最小化代价函数TD。
求J使
TD(J)=min(TD(j)) j=0,…,K-1 (4)
其中,K是直方图的角度分块数(即:1/角度分辨率后取整的值)。
方向直方图HA和HB之间相关的最佳平移量可以通过公式(5)逆傅里叶变换确定:
其中表示一维傅里叶变换,表示一维逆傅里叶变换,*表示复数共轭,·表示点乘运算。公式(3)计算出来的参数C即为公式(1)中的TD(j)归一化直方图匹配最终是为了确定图像旋转量,而在本实施例中,创造性的将计算图像的旋转量转化为了对归一化直方图匹配的最优平移量测度。通过将复 杂的图像旋转量计算转为采用归一化直方图匹配确定直方图之间的平移量。减少了图像旋转量的计算量。
步骤104,根据图像旋转量对检测图像进行三维旋转获得旋转图像。
步骤105,分别构造参考图像对应的第一平方方向图以及旋转图像对应的第二平方方向图。
本实施例中,假定参考图像和旋转图像分别为f和g,分别将f和g内的每个元素标记为(x,y),其中(x,y)是整数。f和g的梯度方向图像分别为fd和gd,则fd和gd可以采用公式(6)复数方式构造为:
其中j是虚部,sgn(x)表征signum函数,当x=0时,sgn(x)=0,否则,sgn(x)=x/|x|。
为了克服对应旋转图像区域内可能存在的局部方向180°差异,本发明中构建了平方方向图:.
即为第一平方方向图,即为第二平方方向图。
步骤106,采用相位相关处理第一平方方向图和第二平方方向图得到图像平移量。本实施例中,采用快速傅里叶变换计算第一平方方向图和第二平方方向图之间的图像平移量。采用相位相关处理平方方向图之间的图像平移量,而相关运算可以使用快速傅里叶变换(FFT)。假定f和g分别是和的傅里叶变换图,则根据公式(8)相位相关表征为:
CP是指经过傅里叶变换后的系数,是一个二维向量。在这个二维向量中会出现一个最大值,最大值对应的点称为峰值点。峰值点也表明了两幅图像f和g的最佳匹配点,而最佳匹配点即对应该两幅图像f和g之间的图像平移量。
步骤107,根据图像旋转量和图像平移量对检测图像进行变换,并将变换后得到的图像与参考图像进行空间对齐实现待配准图像的配准。
本实施例中,当确定了参考图像与检测图像之间的图像旋转量和图像平移量后,那么检测图像就可以按照所确定的刚体配准参数进行变换,从而得到变换后的检测图像,最后将变换后的检测图像与参考图像进行空间对齐,就实现了两幅图像之间的配准融合。
上述三维图像配准方法,由于在三维图像配准的过程中不需要进行任何的迭代优化过程,也不需要在人体内植入任何标记点或在三维体数据中进行三维特征的提取和匹配,相比传统图像配准技术本发明的方法和系统具有简单、快速的优点。
本发明在幅值加权方向直方图构建和平方方向图的构建方面,分别采用了高斯梯度加权方向统计策略和三维高斯梯度滤波,没有采用任何的边缘特征提取和特征匹配,计算速度和估计稳定性上会更好。
在一个实施例中,图像旋转量为三维体数据在三维坐标系中三个轴方向对应的三个旋转量。步骤107,根据图像旋转量和图像平移量对检测图像进行变换,并将变换后的图像与参考图像进行空间对齐实现待配准图像的配准包括:
步骤201,根据三个旋转量构造三维体数据间的三维旋转矩阵。
本实施例中,三个旋转量分别对应为θSI,θAP和θRL,其中,θSI通过幅值加权方向分布直方图和匹配获得;θAP可以通过幅值加权方向分布直方图 和匹配获得;θRL可以通过幅值加权方向分布直方图和匹配获得。根据以下公式(9)构造三维体数据间的三维旋转矩阵:
三维旋转矩阵的构造,可以通过直接矩阵相乘实现体数据间旋转差异的消除。
计算出来的R即为三维旋转矩阵。
步骤202,将三维旋转矩阵和图像平移量代入预设的刚体变换表达式中计算得到图像配准的空间变换函数。
步骤203,根据空间变换函数实现对待配准图像的图像配准。
本实施例中,预设的刚体变换表达式为:
T=R·X+t
其中T是空间变换函数,R是旋转矩阵,t是图像平移量,X表示待配准图像。刚体变换表达式可以进一步表述为:
其中α为旋转量或旋转角度, 是图像平移量。刚体配准的目的是为了确定该旋转量α和平移量 一旦确定了上述旋转矩阵和图像平移量则空间变换函数T可以确定,进一步的根据空间变换函数实现对待配准图像配准的目的。
如图3所示,在一个实施例中,30和31为待配准图像,其中,30为参考图像、31为检测图像,32为旋转图像,33为未使用本发明提供的三维图像配准方法将待配准图像直接融合的效果图,34为采用了本发明提供的三维图像配准方法将待配准图像直接融合的效果图。通过比较可以看出33中待配准图像直接融合的差异较大,而34中待配准图像直接融合的差异较小(通过直 接灰度值的减法绝对值显示)。
如图4所示,为一个实施例中将本发明提供的三维图像配准方法运用在临床三维医学体数据处理上实现图像配准的效果图。如图4所示,待配准图像包括40和41,其中,40为临床脑部T1三维核磁图像(参考影像),41为临床脑部T2三维核磁图像(检测影像)。42为图像配准前40的轮廓与41的直接覆盖效果图,43为采用本发明提供的三维图像配准方法后40的轮廓与经过配准变换后的41的覆盖效果图。通过图4可以清晰的看到40的轮廓与经过本方法的图像配准后41的灰度影像边缘吻合度十分高。
如图5所示,在一个实施例中,提供的一种局部形变下三维图像配准系统,该系统包括:
图像获取模块51,用于获取待配准图像,待配准图像包括参考图像和检测图像。
直方图构建模块52,用于分别构建参考图像对应的第一幅值加权方向直方图和检测图像对应的第二幅值加权方向直方图。
旋转量确定模块53,用于对第一幅值加权方向直方图和第二幅值加权方向直方图进行归一化直方图匹配确定图像旋转量。
在一个实施例中,旋转量确定模块53还用于采用快速傅里叶变换对第一幅值加权方向直方图和第二幅值加权方向直方图实现归一化直方图快速匹配,确定最佳平移量,最佳平移量即为图像旋转量。
旋转图像获取模块54,用于根据图像旋转量对检测图像进行三维旋转获得旋转图像。
方向图构造模块55,用于分别构造参考图像对应的第一平方方向图以及旋转图像对应的第二平方方向图。
平移量获取模块56,用于采用相位相关处理第一平方方向图和第二平方方向图得到图像平移量。
在一个实施例中,平移量获取模块56还用于采用快速傅里叶变换计算第一平方方向图和第二平方方向图之间的图像平移量。
图像配准模块57,用于根据图像旋转量和图像平移量对检测图像进行变换,并将变换后得到的图像与参考图像进行空间对齐实现待配准图像的配准。
如图6所示,在一个实施例中,直方图构建模块52包括:
第一直方图构建模块521,用于计算参考图像的三维体数据在三维坐标系中三个轴方向的第一梯度方向,根据第一梯度方向构建第一幅值加权方向直方图。
第二直方图构建模块522,用于计算检测图像对应的三维体数据在三维坐标系中三个轴方向的第二梯度方向,根据第二梯度方向构建第二幅值加权方向直方图。
如图7所示,在一个实施例中,图像旋转量为三维体数据在三维坐标系中三个轴方向对应的三个旋转量,图像配准模块57包括:
矩阵构造模块571,用于根据三个旋转量构造三维体数据间的三维旋转矩阵。本实施例中,图像旋转量为三维体数据在三维坐标系中三个轴方向对应的三个旋转量。
函数计算模块572,用于将三维旋转矩阵和图像平移量代入预设的刚体变换表达式中计算得到图像配准的空间变换函数。
配准实现模块573,用于根据空间变换函数实现对待配准图像的图像配准。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种三维图像配准方法,所述方法包括:
获取待配准图像,所述待配准图像包括参考图像和检测图像;
分别构建所述参考图像对应的第一幅值加权方向直方图和所述检测图像对应的第二幅值加权方向直方图;
对所述第一幅值加权方向直方图和所述第二幅值加权方向直方图进行归一化直方图匹配确定图像旋转量;
根据所述图像旋转量对检测图像进行三维旋转获得旋转图像;
分别构造参考图像对应的第一平方方向图以及旋转图像对应的第二平方方向图;
采用相位相关处理所述第一平方方向图和所述第二平方方向图得到图像平移量;
根据所述图像旋转量和所述图像平移量对所述检测图像进行变换,并将变换后得到的图像与参考图像进行空间对齐实现待配准图像的配准。
2.根据权利要求1所述的方法,其特征在于,所述分别构建所述参考图像对应的第一幅值加权方向直方图和所述检测图像对应的第二幅值加权方向直方图的步骤,包括:
计算参考图像的三维体数据在三维坐标系中三个轴方向的第一梯度方向,根据第一梯度方向构建第一幅值加权方向直方图;
计算检测图像对应的三维体数据在三维坐标系中三个轴方向的第二梯度方向,根据所述第二梯度方向构建第二幅值加权方向直方图。
3.根据权利要求1所述的方法,其特征在于,所述对所述第一幅值加权方向直方图和所述第二幅值加权方向直方图进行归一化直方图匹配确定图像旋转量的步骤,包括:
采用快速傅里叶变换对所述第一幅值加权方向直方图和第二幅值加权方向直方图实现归一化直方图快速匹配,确定最佳平移量,所述最佳平移量即为图像旋转量。
4.根据权利要求1所述的方法,其特征在于,所述采用相位相关处理第一平方方向图和第二平方方向图得到图像平移量的步骤,包括:
采用快速傅里叶变换计算第一平方方向图和第二平方方向图之间的图像平移量。
5.根据权利要求1所述的方法,其特征在于,所述图像旋转量为三维体数据在三维坐标系中三个轴方向对应的三个旋转量,所述根据图像旋转量和图像平移量对所述检测图像进行变换,并将变换后的图像与参考图像进行空间对齐实现待配准图像的配准步骤,包括:
根据所述三个旋转量构造三维体数据间的三维旋转矩阵;
将所述三维旋转矩阵和图像平移量代入预设的刚体变换表达式中计算得到图像配准的空间变换函数;
根据所述空间变换函数实现对待配准图像的图像配准。
6.一种三维图像配准系统,其特征在于,所述系统包括:
图像获取模块,用于获取待配准图像,所述待配准图像包括参考图像和检测图像;
直方图构建模块,用于分别构建所述参考图像对应的第一幅值加权方向直方图和所述检测图像对应的第二幅值加权方向直方图;
旋转量确定模块,用于对所述第一幅值加权方向直方图和所述第二幅值加权方向直方图进行归一化直方图匹配确定图像旋转量;
旋转图像获取模块,用于根据所述图像旋转量对检测图像进行三维旋转获得旋转图像;
方向图构造模块,用于分别构造参考图像对应的第一平方方向图以及旋转图像对应的第二平方方向图;
平移量获取模块,用于采用相位相关处理所述第一平方方向图和所述第二平方方向图得到图像平移量;
图像配准模块,用于根据所述图像旋转量和所述图像平移量对所述检测图像进行变换,并将变换后得到的图像与参考图像进行空间对齐实现待配准图像的配准。
7.根据权利要求6所述的系统,其特征在于,所述直方图构建模块包括:
第一直方图构建模块,用于计算参考图像的三维体数据在三维坐标系中三个轴方向的第一梯度方向,根据第一梯度方向构建第一幅值加权方向直方图;
第二直方图构建模块,用于计算检测图像对应的三维体数据在三维坐标系中三个轴方向的第二梯度方向,根据所述第二梯度方向构建第二幅值加权方向直方图。
8.根据权利要求6所述的系统,其特征在于,所述旋转量确定模块还用于采用快速傅里叶变换对所述第一幅值加权方向直方图和第二幅值加权方向直方图实现归一化直方图快速匹配,确定最佳平移量,所述最佳平移量即为图像旋转量。
9.根据权利要求1所述的系统,其特征在于,所述平移量获取模块还用于采用快速傅里叶变换计算第一平方方向图和第二平方方向图之间的图像平移量。
10.根据权利要求6所述的系统,其特征在于,所述图像旋转量为三维体数据在三维坐标系中三个轴方向对应的三个旋转量,所述图像配准模块包括:
矩阵构造模块,用于根据所述三个旋转量构造三维体数据间的三维旋转矩阵;
函数计算模块,用于将所述三维旋转矩阵和图像平移量代入预设的刚体变换表达式中计算得到图像配准的空间变换函数;
配准实现模块,用于根据所述空间变换函数实现对待配准图像的图像配准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410654295.4A CN104537638A (zh) | 2014-11-17 | 2014-11-17 | 三维图像配准方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410654295.4A CN104537638A (zh) | 2014-11-17 | 2014-11-17 | 三维图像配准方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104537638A true CN104537638A (zh) | 2015-04-22 |
Family
ID=52853157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410654295.4A Pending CN104537638A (zh) | 2014-11-17 | 2014-11-17 | 三维图像配准方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104537638A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544710A (zh) * | 2013-11-08 | 2014-01-29 | 河南工业大学 | 一种图像配准方法 |
CN103745467A (zh) * | 2014-01-07 | 2014-04-23 | 东南大学 | 一种基于数字体积相关法的三维图像配准方法 |
US20140226895A1 (en) * | 2013-02-13 | 2014-08-14 | Lsi Corporation | Feature Point Based Robust Three-Dimensional Rigid Body Registration |
-
2014
- 2014-11-17 CN CN201410654295.4A patent/CN104537638A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140226895A1 (en) * | 2013-02-13 | 2014-08-14 | Lsi Corporation | Feature Point Based Robust Three-Dimensional Rigid Body Registration |
CN103544710A (zh) * | 2013-11-08 | 2014-01-29 | 河南工业大学 | 一种图像配准方法 |
CN103745467A (zh) * | 2014-01-07 | 2014-04-23 | 东南大学 | 一种基于数字体积相关法的三维图像配准方法 |
Non-Patent Citations (6)
Title |
---|
A.J. FITCH 等: "Orientation Correlation", 《PROCEEDING OF THE BRITISH MACHINE VISION CONFERENCE 2002, BMVC 2002》 * |
WU ZHOU 等: "A Novel Technique for Prealignment in Multimodality Medical Image Registration", 《HINDAWI PUBLISHING CORPORATION BIOMED RESEARCH INTERNATIONAL》 * |
周武 等: "基于相位相关和重采样的亚像素图像配准算法", 《华南理工大学学报(自然科学版)》 * |
李中科 等: "基于霍夫变换和相位相关的图像配准方法", 《信号处理》 * |
甘亚莉 等: "基于梯度相位相关的自动图像配准方法", 《微电子学与计算机》 * |
辛登松 等: "SAR图像的改进相位相关配准方法", 《计算机与数字工程》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8369597B2 (en) | Non-rigid registration between CT images and ultrasound images | |
Arnold et al. | 3D organ motion prediction for MR-guided high intensity focused ultrasound | |
US20090156933A1 (en) | Ultrasound system for reliable 3d assessment of right ventricle of the heart and method of doing the same | |
US20160217560A1 (en) | Method and system for automatic deformable registration | |
CN104169969A (zh) | 多模态可变形配准 | |
CN104091337A (zh) | 一种基于PCA及微分同胚Demons的变形医学图像配准方法 | |
CN102959584A (zh) | 功能磁共振图像配准方法 | |
Sun et al. | Probe localization for freehand 3D ultrasound by tracking skin features | |
Huang et al. | 2D ultrasound imaging based intra-fraction respiratory motion tracking for abdominal radiation therapy using machine learning | |
Spinczyk et al. | Methods for abdominal respiratory motion tracking | |
CN104268895A (zh) | 一种联合空域和时域信息的4d-ct形变配准方法 | |
Zhang et al. | Registration of diffusion tensor images | |
Khamene et al. | Characterization of internal organ motion using skin marker positions | |
Zhang et al. | Adaptive non-rigid registration of real time 3d ultrasound to cardiovascular mr images | |
Smal et al. | Quantitative comparison of tracking methods for motion analysis in tagged MRI | |
Woo et al. | Tissue-point motion tracking in the tongue from cine MRI and tagged MRI | |
CN104537638A (zh) | 三维图像配准方法和系统 | |
CN104268878B (zh) | 一种超声图像中运动探针检测和定位方法 | |
Wang et al. | Multimodal registration of ultrasound and MR images using weighted self-similarity structure vector | |
Li et al. | A fast subpixel registration algorithm based on single-step DFT combined with phase correlation constraint in multimodality brain image | |
Sun et al. | Medical image registration using thin-Plate spline for automatically detecting and matching of point sets | |
Song et al. | Automatic 4-D registration in dynamic MR renography based on over-complete dyadic wavelet and Fourier transforms | |
von Siebenthal et al. | 4D MR imaging using internal respiratory gating | |
Wang et al. | Automatic hybrid registration for 2-dimensional CT abdominal images | |
De Luca et al. | Keep breathing! Common motion helps multi-modal mapping |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150422 |