：
[0063] (6-1)采用区域轮廓的配准参数估计方法，提取各肢体区域的几何形变参数，解决 人体形态非线性形变时的配置与校准问题。
[0064] 在关键控制点局部，利用关键控制点串最优匹配确定对准的轮廓，获取轮廓控制 点集，并建立区域内部位置映射联立方程组如下所示，然后，再利用摄像机成像原理和最小 二乘法，估计区域内部的位置映射参数A1; i = 1，2,. . . .，9(最少需5个轮廓控制点）：
[0066] (6-2)采用基于关键控制点的组织位置映射方法，配准和定位人体内部各组织和 器官区域。由于人体各肢体的非刚性连接，人体内部组织呈现出不一致的非线性几何变化， 因此，本发明利用各肢体区域内的组织位置映射参数，进行组织位置映射，获取机体组织分 布的区域模板：
[0068] 上述基于区域关键控制点的组织位置映射方法，提高了人体形态非线性形变时肢 体内部组织的配准与定位精度。
[0069] 如图8所示，实验结果表明，本发明区域轮廓的配准参数估计和组织位置映射的 方法，实现人体内部各组织和器官区域的定位和分割，提高了不同尺度、视点和人体形态非 线性变化条件下，机体组织定位的稳定性和精确性。
[0070] 本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以 限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含 在本发明的保护范围之内。
【主权项】
1. 一种基于稳定区域的轮廓关键点配准与标识方法，其特征在于，包括： 步骤1统计人体红外图像各灰度出现的数目，得到所述人体红外图像的灰度统计直方 图，并采用低通滤波方法滤除所述灰度统计直方图的毛刺； 步骤2采用直方图极大值点的分割门限区间估计方法，计算所述灰度统计直方图最稳 定区域检测的最优搜索区间，包括以下子步骤： (2-1)对于任意灰度X，如果满足h (x-1) <h(x) <h(x+l)，则将X作为一个直方图极 大值点y，从大到小搜索所有灰度X，得到直方图极大值点序列yi，i = 〇, 1，...，Ny-1，％为 极大值点的数目，然后，计算h (X)的全局最大值h_和对应的灰度y _，并取T1= h _/3 ; (2-2)对于直方图极大值点序列yi，从左到右进行搜索，如果h (yi D < h (yi)彡h (y1+1)， 且h (yj大于T1，则yjt为直方图左最大值点y u (2-3)对于直方图极大值点序列y;，从右到左进行搜索，如果Wyi D Ch(Yi)彡h(yi+1)， 且h(yi}大于T i，则yjt为直方图右最大值点y R; (2-4)对于直方图极大值点序列y;，计算之间的Wyi)的最小值，其对应的灰度 作为最小谷点g。^ (2-5)对于^与g。#间的直方图极大值点序列y i，计算Wyi)的最大值，其对应的灰度 记为 yLcipt; (2-6)对于8_与y R间的直方图极大值点序列y i，计算Wyi)的最大值，其对应的灰度 记为yRcipt，以IXcipt, yRcipt]作为所述最优搜索区间； 步骤3采用基于门限区间内最优门限的最稳定区域检测方法，提取最大稳定区域的外 轮廓； 步骤4以所述最大稳定区域的外轮廓为初始轮廓，采用基于梯度强度和几何光滑性约 束的外轮廓修正方法，自适应地修正所述初始轮廓； 步骤5采用外轮廓几何不变显著点检测和区域配准方法，检测和配准人体各肢体区 域； 步骤6采用区域轮廓的配准参数估计和位置映射的方法，实现人体内部各组织和器官 区域的定位和分割。2. 如权利要求1所述的方法，其特征在于，所述步骤3中对所述最优搜索区间[y ^ipt, yRopt]内所有的t，计算[t-Δ，t+A ]区间内直方图h(t)下面面积S[t λ,μδ]的最小值，其对 应的灰度t作为最优分割门限Lpt，然后以所述最优分割门限1_作为门限，分割所述人体 红外图像，再通过二值图的轮廓跟踪提取所述最大稳定区域的外轮廓。3. 如权利要求1或2所述的方法，其特征在于，所述步骤5包括以下子步骤： (5-1)利用多尺度旋转值最小LBP不变特征极小值关键点检测方法，提取所述人体红 外图像几何不变轮廓关键点特征； (5-2)记标准人体红外图像的人体参考轮廓的关键点串序列为j = 1，2，…，M，M 表示参考轮廓的关键点个数，记所述步骤（5-1)得到的待检测轮廓的关键点串序列为Pi, i =1，2,…N，N表示待检测轮廓的关键点个数，利用基于关键点不变特征的串最优匹配，实 现参考轮廓和待检测轮廓的对准和肢体区域分割。4. 如权利要求3所述的方法，其特征在于，所述步骤（5-1)包括以下子步骤： (5-1-1)对所述步骤4修正后轮廓的所有轮廓点位置，计算各点LBP特征串； (5-1-2)对所述各点LBP特征串，计算LBP旋转最小值RLBP ; (5-1-3)对所述各RLBP特征串，检测局部极小值关键点作为待检测的人体轮廓的关键 点串。5. 如权利要求3所述的方法，其特征在于，所述步骤（5-2)包括以下子步骤： (5-2-1)令k = 0,从所述人体参考轮廓的关键点串序列&序列中取第一个关键点，并 从所述待检测轮廓的关键点串序列P1序列中依次取一个关键点，若I r ^p11 < T2，则pp (k) ={i，i)，k = k+Ι，其中，r# p ;配准的关键点对序列记为pp(k)，T2表示其相似度门限； (5-2-1)从&序列中取下一个关键点，并在p i序列中i之后依次取下一个关键点，若 Irj-Pi I 彡 T2,贝丨J pp(k) = {i，i)，k = k+Ι ; (5-2-3)搜索完&序列中所有的点，得到配准的关键点对序列pp (k); (5-2-4)如果k彡Ncipt，则匹配完成；如果k < Ncipt，则将rj序列中当前搜索的起始点的 下一个点作为起始点，再执行步骤（5-2-1)，其中凡#表示配准的关键点数目门限。6. 如权利要求1或2所述的方法，其特征在于，所述步骤6包括以下子步骤： (6-1)采用区域轮廓的配准参数估计方法，提取各肢体区域的几何形变参数，利用关键 控制点串最优匹配确定对准的轮廓，获取轮廓控制点集，并建立区域内部位置映射联立方 程组如下所示，然后，再利用摄像机成像原理和最小二乘法，估计区域内部的位置映射参数 A i,i = 1,2,....,9:(6-2)采用基于关键控制点的组织位置映射方法，配准和定位人体内部各组织和器官 区域，利用各肢体区域内的组织位置映射参数，进行组织位置映射，获取机体组织分布的区 域模板：
【专利摘要】本发明公开了一种基于稳定区域的轮廓关键点配准与标识方法，属于图像自动检测技术领域。本发明包括：采用基于直方图统计的最大稳定区域检测方法，检测机体图像的外轮廓；采用外轮廓几何不变显著点检测和区域配准方法，检测和配准各肢体区域；采用区域轮廓的配准参数估计和位置映射的方法，实现人体内部各组织和器官区域的定位和分割。本发明结合基于直方图统计的自适应阈值分割、最大稳定区域检测、区域轮廓配准和组织位置映射方法，大大地降低了最稳定区域检测的复杂度，同时增强了图像匹配算法的稳定性，提高了机体组织定位的精确性。在不同图像集上的测试结果表明，本发明的机体组织配准与定位比现有方法更加稳定、精确。
【IPC分类】G06T7/00
【公开号】CN105354842
【申请号】CN201510696346
【发明人】汪国有, 陈异鹏
【申请人】武汉康美华医疗投资管理有限公司
【公开日】2016年2月24日
【申请日】2015年10月22日