法律状态公告日
法律状态信息
法律状态
2022-08-30
未缴年费专利权终止 IPC(主分类):G06K 9/62 专利号:ZL201710844174X 申请日:20170919 授权公告日:20200710
专利权的终止
2020-07-10
授权
授权
2018-02-09
实质审查的生效 IPC(主分类):G06K9/62 申请日:20170919
实质审查的生效
2018-01-16
公开
公开
技术领域
本发明属于计算机技术领域,更具体地说,涉及一种基于形状信息的图像相似度度量方法及图像配准方法。
背景技术
图像配准就是将不同传感器或相同传感器在不同时间获取的相同场景的两幅或更多幅图像进行空间上的校准,使得配准后参考图像和浮动图像对应像素在空间上表达的信息一致。基于图的图像集配准的主要思想是将输入的图像集中每个图像看作为图的节点,然后节点间的边的距离与两个节点图像的相似度相关。接着基于图确定图的中心节点,即所有其他节点到该中心节点最短路径的长度之和最小。如附图1所示,It为中心节点,最后各个图像按照其到中心节点的最短路径配准到其父节点上,最后每个图像配准到中心节点的形变场由该图像到中心节点的最短路径上的形变场复合得到。如图1中的图像Ik,其配准到It的最终形变场为
图像相似度的度量方法在基于图的图像集的配准方法中起着至关重要的作用。在基于图的图像集的配准方法中,输入的待配准图像集被看作是图中的节点,每个节点之间有边相连,节点间边的距离与两节点的相似度成反比。基于图,我们就可以确定中心图像,以及每个非中心图像配准到中心图像的最短路径(也就是图中非中心图像到中心图像的最短路径)。图像相似度的度量方法就应用在计算节点间距离的任务中。
目前常用的图像相似度的度量方法主要为欧氏距离,假设Ii和Ij为两张图像,则其欧式距离为
目前使用所有图像信息计算图像间相似度的方法有稀疏表示方法(sparsecoding),如在Z.Tang and Y.Fan,"Groupwise Image Registration Guided by aDynamic Digraph of Images,"Neuroinformatics,vol.14,pp.1-15,2016中,输入的图像集为{Ii,i=1,…,n},也就是说有n个图像。每个图像Ii与其他图像的相似度由稀疏表示方法计算得到,即
发明内容
1.发明要解决的技术问题
本发明的目的在于克服现有技术中通常是采用基于灰度值的图像相似度度量方法进行图像配准,从而导致配准精度相对较差的不足,提供了一种基于形状信息的图像相似度度量方法及图像配准方法。采用本发明的技术方案使得图像间的相似度更加适用于基于图的图像集的配准方法,从而保证最终能够达到更高的图像集配准精度。
2.技术方案
为达到上述目的,本发明提供的技术方案为:
本发明的一种基于形状信息的图像相似度度量方法,该方法是基于两两图像之间粗略配准得到的形变场信息对图像间的相似度进行计算的,其具体步骤为:
(1)输入一组包含n个图像的图像集{Ii|i=1,…,n};
(2)对输入的图像集中两两图像之间进行粗略配准,得到形变场{Di→j|i,j=1,…,n,i≠j},其中Di→j为配准图像Ii到Ij的形变场;
(3)基于以上得到的图像之间的形变场,采用如下判据公式计算得到每个图像Ii与其他所有图像{Ij|j=1,…,n,j≠i}间的相似度Si:
上式中,
更进一步的,所述步骤(2)中采用Diff.Demons方法对输入的图像集中两两图像之间进行粗略配准。
更进一步的,所述步骤(2)中在图像的3层尺度空间中进行粗略配准,每层迭代次数为3。
更进一步的,所述相似度Si判据公式中,权重λ取0.3。
本发明的一种基于形状信息的图像配准方法,该方法首先采用本发明的上述方法对待配准图像间的相似度进行度量,然后基于相似度结果构建图,最后再进行配准。
更进一步的,本发明的图像配准方法具体包括以下步骤:
(1)采用本发明的上述方法对待配准图像间的相似度进行度量,得到待配准图像集中两两图像之间的相似度Si;
(2)基于得到的每个图像与其他所有图像的相似度构建一个有向图,有向图中的节点为每一个图像Ii,图像Ii节点到图像Ij的有向边的距离为
(3)计算图中两两图像节点间的最短路径:L(Ii,Ij)=minDz(Ii,Ij),z=1,…,m;然后使用如下公式求得图中的中心点图像:
其中,L(Ii,Ij)代表图像节点Ii和Ij之间最短路径的长度,Dz(Ii,Ij)为图像节点Ii和Ij之间第z个路径的长度;
(4)将每个非中心点图像根据其到中心点图像的最短路径,配准到其父节点上,以此得到相邻图像节点的配准形变场;
(5)最终每个非中心点图像配准到中心图像的形变场由其最短路径上所有相邻图像节点的配准形变场复合得到配准到中心点图像的形变场由该图像到中心节点的最短路径上的形变,从而完成图像集配准。
更进一步的,所述步骤(3)中使用Dijkstra方法计算图中两两图像节点间的最短路径。
3.有益效果
采用本发明提供的技术方案,与已有的公知技术相比,具有如下显著效果:
(1)本发明的一种基于形状信息的图像相似度度量方法,该方法基于两两图像之间粗略配准得到的形变场信息对图像间的相似度进行计算,与现有常用图像相似度计算方法相比,可以显著提高相似度度量的准确性,有效解决现有技术中采用基于灰度值的图像相似度度量方法进行图像配准时配准精度相对较差的不足,且该方法更加适合用于基于图的图像集的配准方法。
(2)本发明的一种基于形状信息的图像相似度度量方法,根据判据公式
(3)本发明的一种基于形状信息的图像配准方法,该方法首先采用基于两两图像之间粗略配准得到的形变场信息对图像间的相似度进行度量,然后基于相似度结果构建图,最后再进行配准,从而可以有效提高图像配准的精度。
附图说明
图1为基于图的图像集配准方法简单实例,其中Ii,Ij,Ik和It代表图像,Dit,Dji和Dkj分别代表图像Ii配准到It,图像Ij配准到Ii,和图像Ik配准到Ij的形变场;
图2为基于4种方法得到的配准结果,分别计算54个脑区的平均重合率;
图3为基于4种方法得到的配准结果,计算所有图相对之间全脑区的重合率(780对)。
具体实施方式
由于图像的灰度信息可以直接从图像中取得,且符合我们观察事物的习惯,因此图像灰度值是目前大多数图像相似度度量方法所使用的信息,现有技术中在图像配准时基本上都是采用欧氏距离或稀疏表示方法对图像间的相似度进行度量。而图像配准实质上是对图像中物体形状的变换以达到每个图像中的物体形状对齐,即一致。也就是说基于图的图像集的配准方法的主要目的是将输入的图像集中包含的物体形状对齐,因此基于灰度值的图像相似度度量方法的准确性相对较差,从而难以有效保证图像配准的精度。为了解决基于图像灰度值的图像相似度度量方法和基于图的图像集配准间不匹配的问题,本发明提出一种新的基于图像中包含的物体形状信息的图像相似度的度量方法。
但对于输入图像集中每个图像包含的物体形状信息通常是未知的,因此无法直接使用形状信息,而两图像间配准时产生的形变场(即形变—图像的内容使其对齐于另一个图像的内容)是可以通过配准得到的,该形变场反映了两图像中包含物体的形状差异。因此本发明基于两两图像之间粗略配准得到的形变场信息对图像间的相似度进行计算,从而使得得到的图像间的相似度更加是适合基于图的图像集的配准方法,最终达到更高的图像集配准精度。
具体的,为进一步了解本发明的内容,现结合具体实施例对本发明作详细描述。
实施例1
本实施例的一种基于形状信息的图像相似度度量方法,是基于两两图像之间粗略配准得到的形变场信息对图像间的相似度进行计算的,具体包括以下步骤:
(1)输入一组包含n个图像的图像集{Ii|i=1,…,n}。
(2)使用Diff.Demons方法对输入的图像集中两两图像之间进行粗略配准,得到形变场{Di→j|i,j=1,…,n,i≠j},其中Di→j为配准图像Ii到Ij的形变场。具体的,本实施例在图像的多尺度空间(3层尺度空间)中进行粗略配准,每层迭代次数为3,即得到n×(n-1)个形变场。
(3)利用如下公式计算每个图像Ii与其他所有图像{Ij|j=1,…,n,j≠i}间的相似度Si:
即,使
(4)基于得到的每个图像与其他所有图像的相似度构建一个有向图,有向图中的节点为每一个图像Ii,图像Ii节点到图像Ij的有向边的距离为
(5)使用Dijkstra方法计算图中两两图像节点间的最短路径:L(Ii,Ij)=minDz(Ii,Ij),z=1,…,m,其中Dz(Ii,Ij)为图像节点Ii和Ij之间第z个路径的长度(假设共m条可能的路径)。然后使用如下公式求得图中的中心点图像:
上式中,L(Ii,Ij)代表图像节点Ii和Ij之间最短路径的长度,即当所有图像到某图像的最短路径之和最小时,则该图像被设定为中心图像。
(6)将每个非中心点图像根据其到中心点图像的最短路径,配准到其父节点上,以此得到相邻图像节点的配准形变场。
(7)最后每个图像配准到中心图像的形变场由其最短路径上所有相邻图像节点的配准形变场复合得到,从而完成图像集配准。即如图1所示,图像Ik配准到中心点图像It的形变场为
将目前流行的3种图像相似度计算方法与本实施例的方法作对比。具体地,将使用相同的基于图的框架,分别应用每种方法进行图像集配准,然后通过计算配准后两两图像的重合率来量化配准的精度。3种图像相似度计算方法与本实施例的方法的详细定义如下表所示:
实验使用的数据为三维的核磁脑图像集(公共数据集LPBA40),共包含40个来自不同人的脑图像。结果表明采用本实施例的方法得到了最高的配准精度。附图2显示了使用4种方法后平均两两图像间每个脑区重合率的平均值(54个脑区),附图3显示了使用4种方法得到的配准结果,计算两两图像间整体脑区域的重合率的分布(共780对)。本实施例还使用Wilcoxon signed rank test方法检测结果的显著性,结果表明本实施例的方法的结果优于其他3种方法的结果是具有显著性的。
机译: 基于相似度不足的图像区域的医学图像配准系统和方法
机译: 基于语义分析的文本相似度度量方法
机译: 一种基于语义相似度的电子文档自动迭代聚类的方法,一种基于语义相似度的聚类文档的多种搜索方法及计算机可读介质