一种基于匹配曲线特征的图像配准评估法
【专利摘要】对配准结果的定量评估，是图像配准领域的一个重要内容。许多学者提出以像素物理坐标RMSE、MSE或者像素灰度的CC、NMI等来评估配准结果，但这些方法通常用来对单模态或者回顾性多模态图像的配准进行评估，而真实的多模态图像配准由于没有准确的衡量标准，很难给出定量的评估结果。通过对图像匹配曲线的研究，本发明提出一种新的配准评估方法——匹配曲线特征评估法，以匹配曲线的峰度、峰偏、峰值以及峰值间均方根误差（RMSE）为定量评估指标，基于峰偏和峰值间RMSE给出定量评估结果。该发明不仅能够从曲线的光滑度、尖锐度等特性直观描述配准性能，并能由曲线的特征指标定量评估配准效果，对于亚像素级配准，给出的评估结果比较准确。
【专利说明】一种基于匹配曲线特征的图像配准评估法
【技术领域】
[0001]本发明属于图像处理【技术领域】，具体涉及一种基于匹配曲线特征的图像配准评估方法。
【背景技术】
[0002]图像配准是图像分析领域里一个重要环节。图像配准计算一般包含5个方面内容:图像预处理、配准测度、优化算法(或者匹配算法)、图像插值以及配准结果评估。已有的研究表明，配准测度通常都可以用来定量评估配准效果。对单模态图像一般采用灰度的均方根误差(RMSE)、均方误差(MSE)、峰值信噪比(PSNR)、相关系数(CC)、结构相似度(SSM)等；而多模态图像一般采用互信息(MI或者匪I)评估配准精度，如果是回顾性图像配准实验则采用基于图像像素物理坐标的RMSE，既适用于单模态，也适用于多模态图像的配准精度评估。
[0003]上述评估方法都有其局限性，只有互信息、物理坐标的RMSE或者MSE适用于回顾性多模态图像配准评估；对于真实的多模态图像配准，由于没有准确的衡量标准，很难给出定量的评估结果。
【发明内容】
[0004]针对上述问题，本发明提出一种新的配准评估方法——匹配曲线特征评估法(Matching Curve feature evaluation,MCfe),以匹配曲线的峰度(kurtosis)、峰偏(peakdeviation,即全局最大值出现的位置与最优位置的偏差)、峰值(maximum,即全局最大值)以及峰值间的均方根误差(RMSE)等特征为定量指标，并给出综合评估结果。由于本发明采用修正的结构相似度函数(Modified Structural Similarity , MSSIM)为配准测度,使MCfe算法既适用于单模态图像，也适用于多模态图像配准评估。具体步骤为:
第一步:对图像进行配准，得到配准参数；
第二步:以得到的配准参数对原始浮动图像做空间变换，使其与参考图像配准；
第三步:以修正的结构相似度函数MSSM为测度，给出配准后的浮动图像与原始参考图像的匹配曲线，MSS頂度量值由下式得到:
【权利要求】
1.一种新的图像配准评估方法-匹配曲线特征评估法(Matching Curve featureevaluation, MCfe),其特征在于:提出以匹配曲线的峰度、峰偏、峰值以及各曲线峰值间均方根误差(RMSE)作为定量评估指标，同时给出各个评估指标的具体定义，最后根据峰偏和峰值间RMSE给出定量评估结果，具体步骤为: 第一步:对图像进行配准，得到配准参数； 第二步:以得到的配准参数对原始浮动图像做空间变换，使其与参考图像配准； 第三步:以修正的结构相似度函数MSSM为测度，给出配准后的浮动图像与原始参考图像的匹配曲线，MSS頂度量值由下式得到:
2.如权利要求1所述的匹配曲线特征评估方法，其特征在于:其中第三步配准测度可以是MSSM，还可以推广为其它凸或者凹配准测度，比如相似性测度有相关系数(CC)、归一化互相关(NCC)、结构相似度(SSM)、互信息(MI)以及归一化互信息(匪I)等等，相异性测度(既距离测度)有灰度的距离测度SSD、SAD、RC，迭代最近点算法(iterative closestpoint, ICP)里的欧氏距离(Euclidean distance),倒角距离(chamfer distance),Hausdorff距离以及信息论中的汉明距离(Hamming distance)等。
3.如权利要求1所述的匹配曲线特征评估方法，其特征在于:配准变换可以是方向平移、方向平移、绕轴旋转、一致尺度缩放等4个自由度的仿射变换(N=4)，还可以推广为任意多自由度的仿射变换、`投影变换以及非线性变换等。
【文档编号】G06T3/00GK103632338SQ201310645358
【公开日】2014年3月12日 申请日期:2013年12月5日 优先权日:2013年12月5日
【发明者】李京娜, 王刚, 李宏光 申请人:鲁东大学