CN110930438B - 图像配准方法、装置、电子设备及存储介质 - Google Patents
图像配准方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110930438B CN110930438B CN201911159049.0A CN201911159049A CN110930438B CN 110930438 B CN110930438 B CN 110930438B CN 201911159049 A CN201911159049 A CN 201911159049A CN 110930438 B CN110930438 B CN 110930438B
- Authority
- CN
- China
- Prior art keywords
- image
- registered
- gradient
- determining
- pixel
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000002604 ultrasonography Methods 0.000 claims description 24
- 210000004185 liver Anatomy 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 11
- 230000002708 enhancing effect Effects 0.000 claims description 8
- 230000001629 suppression Effects 0.000 claims description 7
- 210000004204 blood vessel Anatomy 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000002401 inhibitory effect Effects 0.000 claims description 3
- 230000005764 inhibitory process Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 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
- 238000012952 Resampling Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000003240 portal vein Anatomy 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
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
-
- G06T5/70—
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
Abstract
本公开实施例公开了一种图像配准方法、装置、电子设备及存储介质，该方法包括：基于待配准第一图像的采集原理，确定待配准第二图像在设定方向的梯度；根据所述梯度对待配准第二图像中目标对象的边缘进行增强处理；基于边缘增强处理后的待配准第二图像，对所述待配准第一图像进行配准；其中，所述第一图像与所述第二图像为针对同一目标对象获取到的图像。本公开实施例的技术方案，提高了图像配准精度与效率。
Description
技术领域
本公开实施例涉及图像处理技术领域，尤其涉及一种图像配准方法、装置、电子设备及存储介质。
背景技术
图像配准是将不同时间、不同成像设备所获取到图像进行匹配、叠加的过程。在医疗领域，通常通过将基于不同成像原理获得的医学图像进行配准，实现对病灶的诊疗。
目前，常用的图像配准方法普遍存在配准效果差、计算大、配准效率低的问题。
发明内容
本公开实施例提供一种图像配准方法、装置、电子设备及存储介质，实现了提高配准精度以及配准效率的目的。
第一方面，本公开实施例提供了一种图像配准方法，该方法包括：
基于待配准第一图像的采集原理，确定待配准第二图像在设定方向的梯度；
根据所述梯度对待配准第二图像中目标对象的边缘进行增强处理；
基于边缘增强处理后的待配准第二图像，对所述待配准第一图像进行配准；
其中，所述第一图像与所述第二图像为针对同一目标对象获取到的图像。
第二方面，本公开实施例还提供了一种图像配准装置，该装置包括：
梯度确定模块，用于基于待配准第一图像的采集原理，确定待配准第二图像在设定方向的梯度；
边缘增强模块，用于根据所述梯度对待配准第二图像中目标对象的边缘进行增强处理；
第一配准模块，用于基于边缘增强处理后的待配准第二图像，对所述待配准第一图像进行配准；
其中所述第一图像与所述第二图像为针对同一目标对象获取到的图像。
第三方面，本公开实施例还提供了一种设备，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开实施例任一所述的图像配准方法。
第四方面，本公开实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本公开实施例任一所述的图像配准方法。
本公开实施例的技术方案，通过基于待配准第一图像的采集原理，确定待配准第二图像在设定方向的梯度；根据所述梯度对待配准第二图像中目标对象的边缘进行增强处理；基于边缘增强处理后的待配准第二图像，对所述待配准第一图像进行配准；其中，所述第一图像与所述第二图像为针对同一目标对象获取到的图像的技术手段，实现了提高配准精度以及配准效率的目的。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1为本公开实施例一所提供的一种图像配准方法的流程示意图；
图2为本公开实施例一所提供的一种笛卡尔坐标系与极坐标系之间的关系示意图；
图3为本公开实施例一所提供的另一种图像配准方法的流程示意图；
图4为本公开实施例一所提供的一种原始CT图像以及超声图像的对比示意图；
图5为本公开实施例一所提供的与图4对应的刚性配准后的CT图像，以及去噪后的超声图像的对比示意图；
图6为本公开实施例一所提供的与图5对应的直觉模糊熵分布图与抑制平缓边缘后的直觉模糊熵分布对比示意图；
图7为本公开实施例一所提供的与图4对应的边缘增强后的CT切片图像与感兴趣区域中的CT切片图像；
图8为本公开实施例一所提供的与图4对应的配准结果与配准后的超声图像与CT切片图像的融合示意图；
图9为本公开实施例二所提供的一种图像配准装置结构示意图；
图10为本公开实施例三所提供的一种电子设备结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
实施例一
图1为本公开实施例一所提供的一种图像配准方法流程示意图，该方法可适用于图像配准。本实施例以CT肝脏图像与超声肝脏图像之间的配准为例进行具体说明，该方法可以由图像配准装置来执行，该装置可以通过软件和/或硬件的形式实现。
如图1所述，本实施例提供的图像配准方法包括如下步骤：
步骤110、基于待配准第一图像的采集原理，确定待配准第二图像在设定方向的梯度。
本实施例中，以所述待配准第一图像为超声图像，所述待配准第二图像是CT图像为例说明步骤110的具体过程。
进一步的，为了减小配准的计算量，并提高配准精度，在所述确定待配准第二图像在设定方向的梯度之前，所述方法还包括：
基于BM3D(Block Matching 3D，三维块匹配)算法对超声图像进行去噪处理，得到去噪后的超声图像；
基于BM4D(Block Matching 4D，四维块匹配)算法对CT图像进行去噪处理，得到去噪后的CT图像；
对所述去噪后的超声图像以及去噪后的CT图像进行世界坐标对齐，以将CT图像与超声图像对齐，并提取与超声图像对应的设定数量的CT切片图像；
对所述CT切片图像向去噪后的超声图像进行刚性配准，得到配准后的CT切片图像；
在所述配准后的CT切片图像中勾画出目标对象所在的目标区域。
其中，去除噪声的目的是为了降低噪声对于后续图像配准步骤中互信息计算的影响，增强配准的准确程度；同时，BM4D去噪方法也可以去除CT图像中的伪影。
由于CT图像与超声图像在拍摄时世界坐标有可能差异明显，因此，为减小配准的计算量，并提高配准的精度，对去噪后的超声图像以及去噪后的CT图像进行世界坐标对齐。具体的对齐方法可以采用预先在被扫描对象上粘贴定位点，然后使用CT与超声扫描所述被扫描对象，分别获得CT图像与超声图像，然后提取图像上的定位点，并根据定位点推算出CT与超声探头的世界坐标，再通过坐标变换的方法对齐世界坐标。也可以在扫描结束后，由医生根据超声图像对CT图像进行旋转和/或平移，手动对齐世界坐标。世界坐标对齐后，提取与超声图像对应的CT片层前后各9张图像，进行后续的计算和处理，以防止由于被扫描对象的位移带来的图像偏差。其中，所述9张图像仅是根据经验确定的示例性数据，并不限定一定是9张，还可以是其他的数量的图像。
进一步的，对所述CT切片图像向去噪后的超声图像进行刚性配准的目标是，获得一个最优的空间变换关系，使得变换后的CT切片图像与作为参考的图像(称为参考图像，例如所述超声图像)之间的相似性最大化。在本实施例中，采用互信息来测量图像之间的相似性。在刚性配准中，采用仿射变换来计算图像的空间变换关系。
示例性的，所述基于待配准第一图像的采集原理，确定待配准第二图像在设定方向的梯度，包括：
计算所述目标区域中每个像素在笛卡尔坐标系下的梯度向量；
基于超声图像的采集原理，计算所述每个像素以超声图像的扇形视野的圆心为圆心的极坐标系下的角度坐标值；
根据所述角度坐标值以及所述梯度向量确定每个像素在所述极坐标系下沿半径方向的梯度。
具体的，可以参见图2所示的一种笛卡尔坐标系与极坐标系之间的关系示意图，其中，点O1(x0,y0)为超声图像扇形视野的圆心在笛卡尔坐标系下的坐标，所述目标区域中像素u在笛卡尔坐标系下的坐标为u(i,j)，像素u(i,j)在以超声图像的扇形视野的圆心为圆心的极坐标系下的角度坐标值θ为
使用求得的角度,像素u(i,j)在笛卡尔坐标系下的梯度向量
可以求得像素u(i,j)在极坐标系下沿半径方向的梯度
如公式(1)所示：
步骤120、根据所述梯度对待配准第二图像中目标对象的边缘进行增强处理。
具体的，根据所述梯度对待配准第二图像中目标对象的边缘进行增强处理，包括：
根据每个像素的所述梯度确定目标像素设定邻域的直觉模糊熵；
若所述直觉模糊熵小于设定阈值，则确定所述目标像素设定邻域的抑制平缓边缘后的直觉模糊熵为零；
若所述直觉模糊熵大于设定阈值，则利用所述直觉模糊熵减去设定阈值，将得到的差值确定为所述目标像素设定邻域的抑制平缓边缘后的直觉模糊熵；
将各目标像素设定邻域的抑制平缓边缘后的直觉模糊熵与所述目标像素的像素值相加，得到边缘增强的CT切片图像。
其中，直觉模糊熵是基于直觉模糊集的一个物理量，基于图像的梯度信息，可以得到图像中某个像素的局部直觉模糊熵，其代表了这个像素位于图像的平坦区域的可能性。为了计算图像上的像素u(i,j)的局部直觉模糊熵，首先，需要计算像素u(i,j)的隶属度函数μD(i,j)、非隶属度函数νD(i,j)和犹豫度函数πD(i,j)，如下所示：
按照如下公式确定目标像素设定邻域的直觉模糊熵：
πD(i,j)＝1-μD(i,j)-vD(i,j)
其中，E(u)表示目标像素u的设定邻域的直觉模糊熵，n*n表示目标像素u的设定邻域大小，m表示设定邻域中的像素，(i，j)表示目标像素u在笛卡尔坐标系下坐标值，
表示目标像素u(i，j)在极坐标系下沿半径方向的梯度，λ为设定常数。
所述设定邻域例如具体为，以目标像素u为中心，边长为设定值(例如7)的正方形区域。所述设定阈值例如根据业务经验可以取值为1.5，假设目标像素u的设定邻域的直觉模糊熵为2，由于2大于1.5，则目标像素设定邻域的抑制平缓边缘后的直觉模糊熵为2-1.5＝0.5；若目标像素u的设定邻域的直觉模糊熵为1.2，由于1.2小于1.5，则目标像素u设定邻域的抑制平缓边缘后的直觉模糊熵为0。
步骤130、基于边缘增强处理后的待配准第二图像，对所述待配准第一图像进行配准，其中，所述第一图像与所述第二图像为针对同一目标对象获取到的图像。
示例性的，基于边缘增强处理后的待配准第二图像，对所述待配准第一图像进行配准，包括：
确定去噪后的超声图像中目标对象所在区域，将该区域确定为兴趣区；
将所述边缘增强的CT切片图像与所述兴趣区进行刚性对齐，以进一步对齐图像，得到刚性对齐后的图像；
对对齐后的图像基于Demons算法执行非刚性配准，以校正图像中的非刚性形变，在这次非刚性配准中，CT切片图像尽量只进行平移，而不旋转，这是由于在步骤120中，对待配准第二图像中目标对象的边缘进行增强处理时，采用的是像超声扫描一样的扇形区域，而且只增强了半径方向的图像区域，因此，若旋转CT切片图像，则增强后的CT切片图像的边缘与超声图像的边缘之间的差别会变大，而平移带来的影响会较小。Demons算法是一种有代表性的光流场方法。该方法主要基于图像帧间的强度守恒原理，将非刚性配准看作从源图像B到目标图像A的扩散过程，最后应用基于Demons算法求得的形变场重采样Resample超声图像，即得到非刚性配准后的超声图像。
本公开实施例的技术方案，采用了新的CT图像边缘的提取与增强方法(具体是基于梯度的边缘增强方法)，相比于现有的基于仿真的超声图像的配准方法，计算量小，配准效率高，同时还提高了配准精度。
在上述技术方案的基础上，参见图3所示的另一种图像配准方法的流程示意图，其主要解决了3维CT数据与2维超声数据的配准问题，主要包括CT图像和超生图像的去噪、CT图像到超声图像的世界坐标对齐、CT图像到超声图像的刚性配准、极坐标下的梯度场计算与CT切片图像的边缘提取和增强、超声图像配准到CT切片图像的非刚性配准和配准结果的显示步骤。如图3所示，具体包括：
输入CT Volume图像数据，基于BM4D方法对该CT Volume图像数据去噪；输入超声图像数据，基于BM3D方法对该超声图像数据去噪；
对CT Volume图像数据与超声图像数据进行世界坐标对齐，具体是将CT图像对齐到超声图像；
对CT Volume图像数据与超声图像数据进行刚性配准，具体是将CT图像配准到超声图像；
对各图像中的目标对象所在区域进行勾画，即感兴趣区域勾画；
计算感兴趣区域在极坐标系下的梯度场；
利用计算得到的梯度场对CT图像中目标对象的边缘进行提取和增强；
再次进行刚性对齐，非刚性配准，具体是将超声图像配准到CT图像，以进一步对齐两种图像；
输出配准后的超声图像数据，具体是输出非刚性配准后的超声图像以及刚性对齐后的CT切片图像。
进一步的，若所述待配准第一图像包括超声肝脏图像，所述待配准第二图像包括CT肝脏图像，所述方法还包括：
对去噪后的CT肝脏图像，通过调整窗宽窗位的方法增强CT肝脏图像中肝脏的血管，并抑制掉灰度值大于设定的最高阈值或小于设定的最低阈值的图像。
通过采用本公开实施例的图像配准方法，可以达到门脉与肝脏边缘的位置与形状一致的效果，提高了图像配准精度与效率，具体配准效果可参见图4-图8的效果对比图，具体是图4所示的一种原始CT图像以及超声图像的对比示意图，图5所示的为对应的刚性配准后的CT图像，以及去噪后的超声图像的对比示意图，图6所示的为对应的直觉模糊熵分布图与抑制平缓边缘后的直觉模糊熵分布对比示意图，图7所示的边缘增强后的CT切片图像与感兴趣区域中的CT切片图像，图8所示的输出的配准结果与配准后的超声图像与CT切片图像的融合示意图。
实施例二
图9为本公开实施例二提供的一种图像配准装置，该装置包括：梯度确定模块910、边缘增强模块920和第一配准模块930；
其中，梯度确定模块910，用于基于待配准第一图像的采集原理，确定待配准第二图像在设定方向的梯度；边缘增强模块920，用于根据所述梯度对待配准第二图像中目标对象的边缘进行增强处理；第一配准模块930，用于基于边缘增强处理后的待配准第二图像，对所述待配准第一图像进行配准；其中所述第一图像与所述第二图像为针对同一目标对象获取到的图像。
在上述技术方案的基础上，所述待配准第一图像包括超声图像，所述待配准第二图像包括CT图像。
在上述技术方案的基础上，所述装置还包括：
去噪模块，用于基于三维块匹配BM3D算法对超声图像进行去噪处理，得到去噪后的超声图像；
基于四维块匹配BM4D算法对CT图像进行去噪处理，得到去噪后的CT图像。
在上述技术方案的基础上，所述装置还包括：
对齐模块，用于对所述去噪后的超声图像以及去噪后的CT图像进行世界坐标对齐，以将CT图像与超声图像对齐，并提取与超声图像对应的设定数量的CT切片图像。
在上述技术方案的基础上，所述装置还包括：
第二配准模块，用于对所述CT切片图像向去噪后的超声图像进行刚性配准，得到配准后的CT切片图像。
在上述技术方案的基础上，所述装置还包括：
勾画模块，用于在所述配准后的CT切片图像中勾画出目标对象所在的目标区域。
在上述技术方案的基础上，梯度确定模块910，包括：
梯度向量计算单元，用于计算所述目标区域中每个像素在笛卡尔坐标系下的梯度向量；
角度坐标计算单元，用于基于超声图像的采集原理，计算所述每个像素以超声图像的扇形视野的圆心为圆心的极坐标系下的角度坐标值；
梯度计算单元，用于根据所述角度坐标值以及所述梯度向量确定每个像素在所述极坐标系下沿半径方向的梯度。
在上述技术方案的基础上，边缘增强模块920包括：
直觉模糊熵确定单元，用于根据每个像素的所述梯度确定目标像素设定邻域的直觉模糊熵；
边缘增强单元，用于若所述直觉模糊熵小于设定阈值，则确定所述目标像素设定邻域的抑制平缓边缘后的直觉模糊熵为零；若所述直觉模糊熵大于设定阈值，则利用所述直觉模糊熵减去设定阈值，将得到的差值确定为所述目标像素设定邻域的抑制平缓边缘后的直觉模糊熵；将各目标像素设定邻域的抑制平缓边缘后的直觉模糊熵与所述目标像素的像素值相加，得到边缘增强的CT切片图像。
在上述技术方案的基础上，直觉模糊熵确定单元具体用于：
按照如下公式确定目标像素设定邻域的直觉模糊熵：
πD(i,j)＝1-μD(i,j)-νD(i,j)
其中，E(u)表示目标像素u的设定邻域的直觉模糊熵，n*n表示目标像素u的设定邻域大小，m表示设定邻域中的像素，(i，j)表示目标像素u在笛卡尔坐标系下坐标值，
表示目标像素u(i，j)在极坐标系下沿半径方向的梯度，λ为设定常数。
在上述技术方案的基础上，第一配准模块930包括：
确定单元，用于确定去噪后的超声图像中目标对象所在区域，将该区域确定为兴趣区；
对齐单元，用于将所述边缘增强的CT切片图像与所述兴趣区进行刚性对齐，得到刚性对齐后的图像；
配准单元，用于对对齐后的图像基于Demons算法执行非刚性配准，以校正图像中的非刚性形变。
在上述技术方案的基础上，所述装置还包括：
输出模块，用于输出非刚性配准后的超声图像以及刚性对齐后的CT切片图像。
在上述技术方案的基础上，所述待配准第一图像包括超声肝脏图像，所述待配准第二图像包括CT肝脏图像，所述装置还包括：
血管增强模块，用于对去噪后的CT肝脏图像，通过调整窗宽窗位的方法增强CT肝脏图像中肝脏的血管，并抑制掉灰度值大于设定的最高阈值或小于设定的最低阈值的图像。
本公开实施例的技术方案，通过基于待配准第一图像的采集原理，确定待配准第二图像在设定方向的梯度；根据所述梯度对待配准第二图像中目标对象的边缘进行增强处理；基于边缘增强处理后的待配准第二图像，对所述待配准第一图像进行配准；其中，所述第一图像与所述第二图像为针对同一目标对象获取到的图像的技术手段，实现了提高配准精度以及配准效率的目的。
本公开实施例所提供的图像配准装置可执行本公开任意实施例所提供的图像配准方法，具备执行方法相应的功能模块和有益效果。
值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本公开实施例的保护范围。
实施例三
下面参考图10，其示出了适于用来实现本公开实施例的电子设备(例如图10中的终端设备或服务器)400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图10示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图10所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置406加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置406；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图10示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置406被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的方法中限定的上述功能。
本公开实施例提供的终端与上述实施例提供的图像配准方法属于同一发明构思，未在本公开实施例中详尽描述的技术细节可参见上述实施例，并且本公开实施例与上述实施例具有相同的有益效果。
实施例四
本公开实施例提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所提供的图像配准方法。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：
基于待配准第一图像的采集原理，确定待配准第二图像在设定方向的梯度；
根据所述梯度对待配准第二图像中目标对象的边缘进行增强处理；
基于边缘增强处理后的待配准第二图像，对所述待配准第一图像进行配准；
其中，所述第一图像与所述第二图像为针对同一目标对象获取到的图像。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，可编辑内容显示单元还可以被描述为“编辑单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (13)
1.一种图像配准方法，其特征在于，包括：
基于待配准第一图像的采集原理，确定待配准第二图像在设定方向的梯度；
根据所述梯度对待配准第二图像中目标对象的边缘进行增强处理；
基于边缘增强处理后的待配准第二图像，对所述待配准第一图像进行配准；
其中，所述第一图像与所述第二图像为针对同一目标对象获取到的图像；
所述基于待配准第一图像的采集原理，确定待配准第二图像在设定方向的梯度，包括：
计算目标区域中每个像素在笛卡尔坐标系下的梯度向量；
基于超声图像的采集原理，计算所述每个像素以超声图像的扇形视野的圆心为圆心的极坐标系下的角度坐标值；
根据所述角度坐标值以及所述梯度向量确定每个像素在所述极坐标系下沿半径方向的梯度。
2.根据权利要求1所述的方法，其特征在于，所述待配准第一图像包括超声图像，所述待配准第二图像包括CT图像。
3.根据权利要求2所述的方法，其特征在于，基于待配准第一图像的采集原理，确定待配准第二图像在设定方向的梯度之前，还包括：
基于三维块匹配BM3D算法对超声图像进行去噪处理，得到去噪后的超声图像；
基于四维块匹配BM4D算法对CT图像进行去噪处理，得到去噪后的CT图像。
4.根据权利要求3所述的方法，其特征在于，还包括：
对所述去噪后的超声图像以及去噪后的CT图像进行世界坐标对齐，以将CT图像与超声图像对齐，并提取与超声图像对应的设定数量的CT切片图像。
5.根据权利要求4所述的方法，其特征在于，还包括：
对所述CT切片图像向去噪后的超声图像进行刚性配准，得到配准后的CT切片图像。
6.根据权利要求5所述的方法，其特征在于，还包括：
所述目标区域是在所述配准后的CT切片图像中勾画出目标对象所在的区域。
7.根据权利要求1所述的方法，其特征在于，根据所述梯度对待配准第二图像中目标对象的边缘进行增强处理，包括：
根据每个像素的所述梯度确定目标像素设定邻域的直觉模糊熵；
若所述直觉模糊熵小于设定阈值，则确定所述目标像素设定邻域的抑制平缓边缘后的直觉模糊熵为零；
若所述直觉模糊熵大于设定阈值，则利用所述直觉模糊熵减去设定阈值，将得到的差值确定为所述目标像素设定邻域的抑制平缓边缘后的直觉模糊熵；
将各目标像素设定邻域的抑制平缓边缘后的直觉模糊熵与所述目标像素的像素值相加，得到边缘增强的CT切片图像。
8.根据权利要求7所述的方法，其特征在于，基于边缘增强处理后的待配准第二图像，对所述待配准第一图像进行配准，包括：
确定去噪后的超声图像中目标对象所在区域，将该区域确定为兴趣区；
将所述边缘增强的CT切片图像与所述兴趣区进行刚性对齐，得到刚性对齐后的图像；
对对齐后的图像基于Demons算法执行非刚性配准，以校正图像中的非刚性形变。
9.根据权利要求8所述的方法，其特征在于，还包括：
输出非刚性配准后的超声图像以及刚性对齐后的CT切片图像。
10.根据权利要求7所述的方法，其特征在于，所述待配准第一图像包括超声肝脏图像，所述待配准第二图像包括CT肝脏图像，所述方法还包括：
对去噪后的CT肝脏图像，通过调整窗宽窗位的方法增强CT肝脏图像中肝脏的血管，并抑制掉灰度值大于设定的最高阈值或小于设定的最低阈值的图像。
11.一种图像配准装置，其特征在于，包括：
梯度确定模块，用于基于待配准第一图像的采集原理，确定待配准第二图像在设定方向的梯度；
边缘增强模块，用于根据所述梯度对待配准第二图像中目标对象的边缘进行增强处理；
第一配准模块，用于基于边缘增强处理后的待配准第二图像，对所述待配准第一图像进行配准；
其中所述第一图像与所述第二图像为针对同一目标对象获取到的图像；
所述梯度确定模块，包括：
梯度向量计算单元，用于计算所述目标区域中每个像素在笛卡尔坐标系下的梯度向量；
角度坐标计算单元，用于基于超声图像的采集原理，计算所述每个像素以超声图像的扇形视野的圆心为圆心的极坐标系下的角度坐标值；
梯度计算单元，用于根据所述角度坐标值以及所述梯度向量确定每个像素在所述极坐标系下沿半径方向的梯度。
12.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-10中任一项所述的图像配准方法。
13.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-10中任一项所述的图像配准方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911159049.0A CN110930438B (zh) | 2019-11-22 | 2019-11-22 | 图像配准方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911159049.0A CN110930438B (zh) | 2019-11-22 | 2019-11-22 | 图像配准方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110930438A CN110930438A (zh) | 2020-03-27 |
| CN110930438B true CN110930438B (zh) | 2023-05-05 |
Family
ID=69850845
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911159049.0A Active CN110930438B (zh) | 2019-11-22 | 2019-11-22 | 图像配准方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110930438B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111798498A (zh) * | 2020-07-16 | 2020-10-20 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
| CN112184781A (zh) * | 2020-09-14 | 2021-01-05 | 中国科学院深圳先进技术研究院 | 超声图像和ct图像的配准方法、装置及设备 |
| CN112489093A (zh) * | 2020-11-19 | 2021-03-12 | 哈尔滨工程大学 | 声呐图像配准方法、装置、终端设备以及存储介质 |
| CN112488942A (zh) * | 2020-12-02 | 2021-03-12 | 北京字跳网络技术有限公司 | 修复图像的方法、装置、设备和计算机可读介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106373089A (zh) * | 2016-08-30 | 2017-02-01 | 上海大学 | B型与弹性双模态超声跟腱图像拼接方法 |
| CN108682014A (zh) * | 2018-07-18 | 2018-10-19 | 上海晨光文具股份有限公司 | 图像配准方法、装置、存储介质和图像印刷流水线设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9466108B1 (en) * | 2015-03-31 | 2016-10-11 | Nokia Technologies Oy | Method and apparatus for multiple image registration in the gradient domain |
-
2019
- 2019-11-22 CN CN201911159049.0A patent/CN110930438B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106373089A (zh) * | 2016-08-30 | 2017-02-01 | 上海大学 | B型与弹性双模态超声跟腱图像拼接方法 |
| CN108682014A (zh) * | 2018-07-18 | 2018-10-19 | 上海晨光文具股份有限公司 | 图像配准方法、装置、存储介质和图像印刷流水线设备 |
Non-Patent Citations (1)
| Title |
|---|
| 基于形变配准的头颈部肿瘤自适应IMRT方案的剂量学研究;谭淑慧;《中国优秀硕士学位论文全文数据库 (医药卫生科技辑)》;20180115;E072-2254 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110930438A (zh) | 2020-03-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110930438B (zh) | 图像配准方法、装置、电子设备及存储介质 | |
| EP3246871A1 (en) | Image splicing | |
| CN111292420B (zh) | 用于构建地图的方法和装置 | |
| CN110062157B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
| CN115409881A (zh) | 图像处理方法、装置及设备 | |
| CN109754464B (zh) | 用于生成信息的方法和装置 | |
| CN113724135A (zh) | 图像拼接方法、装置、设备及存储介质 | |
| CN111783662B (zh) | 姿态估计方法、估计模型训练方法、装置、介质及设备 | |
| CN111209856B (zh) | 发票信息的识别方法、装置、电子设备及存储介质 | |
| CN116310036A (zh) | 场景渲染方法、装置、设备、计算机可读存储介质及产品 | |
| CN113689372B (zh) | 图像处理方法、设备、存储介质及程序产品 | |
| CN110633759A (zh) | 图像融合方法、装置及电子设备 | |
| CN112085733B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
| CN111783777B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
| CN115409696A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN110349108B (zh) | 处理图像的方法、装置、电子设备、及存储介质 | |
| CN109816791B (zh) | 用于生成信息的方法和装置 | |
| CN111754435A (zh) | 图像处理方法、装置、终端设备及计算机可读存储介质 | |
| CN114723640B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
| CN113963000B (zh) | 图像分割方法、装置、电子设备及程序产品 | |
| CN110619597A (zh) | 一种半透明水印去除方法、装置、电子设备及存储介质 | |
| CN111915532B (zh) | 图像追踪方法、装置、电子设备及计算机可读介质 | |
| CN114863124A (zh) | 模型训练方法、息肉检测方法、相应装置、介质及设备 | |
| CN112308809A (zh) | 一种图像合成方法、装置、计算机设备及存储介质 | |
| CN113808050B (zh) | 3d点云的去噪方法、装置、设备及存储介质 |
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: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co.,Ltd. Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |