变 换，表示对In进行变换后的图像。
[0051] 群组配准可以表示为目标函数：
[0052]S(T) = 8(^(^),12(^),...,1,(?) (4)
[0053] 其中，I\，T2，···Jj别是图像Ip12，…，1』勺变换，S(T)是变换后图像IJL)， I2(T2)，…，IN(TN)的相似性度量。
[0054] 群组配准中引进了图像的结构化表示，具体地，在群组配准中将原始图像的灰度 信息和相应图像的结构化表示结合起来进行配准。将原始图像和图像的结构化表示同时作 为输入图像，此时的目标函数包含两部分内容：
[0055]S⑴=Sintenslty ⑴ +Sstructural (T) (5)
[0056]其中，Sintenslty⑴表示利用原始图像的灰度信息得到的目标函数分量，Sst_tUMl (T) 表示利用结构化的图像表示得到的目标函数分量。
[0057] 更进一步，在步骤2)，3)中，将使用信息熵的方法来表示相似性度量，具体地，用Χηι 表示输入图像的一个采样点，用S(I(T(XJ)表示变换后图像在Χηι处的熵。此时群组配准的 目标函数可以表示为：
[0058]
[0059] 其中，G。表示方差为。2的高斯核，d^OO=L 〇〇)表示变换后的 图像L0\ (xj)和I』(η(xj)在点Χηι处的距离。
[0060] 下面结合附图2说明下群组配准方法的基本框架：群组配准是指同时配准多幅图 像。对于给定的多幅输入图像，群组配准就是要找到一组变换关系同时对输入图像进行变 换从而使它们同时达到空间上的最佳对准。
[0061] -般成对配准需要选定一个模板作为参考图像，而参考图像的选取会引入偏见。 群组配准可以避免参考图像选取时存在的偏见问题，因为群组配准一般不需要选取参考图 像，对于一些需要选取参考图像的群组配准来说其参考图像是通过求取所有输入图像的均 值得到的而不是像成对配准那样选取某一个输入图像作为参考图像。
[0062] 群组配准是指同时配准多幅图像。对于给定的多幅输入图像，群组配准就是要找 到一组变换关系同时对输入图像进行变换从而使它们同时达到空间上的最佳对准。
[0063] 群组配准意味着同时配准多幅输入图像，也就是说对于给定的N幅图像 ΙΛ，12, . . .，IN}，群组配准旨在找到最优的变换T使得输入的N幅图像达到空间上的对准。 因为是N幅图像因此这里的T是向量，T=丨7； : /7> = /,,(7； )."=/._2，…，騎，Tn表示图像〗n的变 换，％?表示对In进行变换后的图像。
[0064] 群组配准可以表示为目标函数：
[0065] S(T) = 8(^(^),12(^),...,1,(?) (7)
[0066] 其中，?\，Τ2，···，Τ#别是图像Iρ12，…，1』勺变换，S(T)是变换后图像IJL)， I2(T2)，…，IN(TN)的相似性度量。
[0067] 在本实施例中，采用杰卡德系数来衡量配准的效果的好坏，杰卡德系数是现今比 较好的评价配准效果的方法之一。其计算公式为：
[0068]
[0069] 表1为使用现流行的配准方法与本文所述的方法处理相同图像后的杰卡德系数 比较。
[0070]
[0071]表1
【主权项】
1. 一种融合灰度特征与结构化表示的图像群组配准方法，其特征在于：所述图像群组 配准方法包括如下步骤： 1) 从机器中获取的原始图像，并获得该图像的结构化表示，并将此结构化表示以及原 始图像作为输入数据输入； 2) 对输入图像不断进行仿射变换，并求取变换后图像的相似度量，使变换后图像为相 似度最优； 3) 对仿射变换后相似度达到最优的图像不断进行B样条变换，并计算B样条变换后图 像的相似性度量，使B样条变换后的图像的相似性最优，从而获得最终的精配准图像。2. 如权利要求1所述的融合灰度特征与结构化表示的图像群组配准方法，其特征在 于：所述步骤1)中，获得图像的结构化表示的过程： 2. 1)选择一个设定大小的块； 2. 2)计算块的概率密度函数，即描述图像的灰度分布情况，利用图像的灰度直方图来 计算图像的概率密度函数，设图像I的灰度级范围为[〇，L-l]，则I的直方图用离散函数 h(rk)来表示： h(rk) =nkk= 0,I,. . . ,L-I(I) 其中，rk表示第k级灰度值，η,表示图像I中灰度级值为rk的像素个数； 设图像I的行数和列数分别为M和N，则归一化的直方图即图像I的概率密度函数P (rk)表示为：2. 3)计算块的熵，所述熵是香农熵，将块的灰度值看做随机变量，香农熵表示为：其中，H表示香农熵，i表示灰度值的可能取值，？1是指定的块的概率密度函数； 对整幅图像进行划分块，每块按照2. 1)~2. 3)操作得到整幅图像的结构化表示。3. 如权利要求1或2所述的融合灰度特征与结构化表示的图像群组配准方法，其特征 在于：所述步骤2)、3)中，对于给定的N幅图像U1, 12, ...，IJ，群组配准旨在找到最优的变 换T使得输入的N幅图像达到空间上的对准，TΠ/·/> =A;(0=/，Uh!；表示图像 In的变换，b表不对!^进彳丁变换后的图像； 群组配准表示为目标函数： S(T) =Sd1(T1),I2(T2)，···，In(Tn)) (4) 其中，T1,T2，…，1；分别是图像IρI2，…，1满变换，S(T)是变换后图像IJT1),I2(T2),…，In(Tn)的相似性度量； 将原始图像和图像的结构化表示同时作为输入图像，此时的目标函数包含两部分内 容： S(T) =S intensity(T)+Sstructural⑴ （5) 其中，Sintanslty(T)表示利用原始图像的灰度信息得到的目标函数分量，sst_tUMl(T)表 示利用结构化表示的图像表示得到的目标函数分量。4.如权利要求1或2所述的融合灰度特征与结构化表示的图像群组配准方法，其特征 在于：采用信息熵来表示相似性度量，用Xni表示输入图像的一个采样点，用S(I(T〇〇)表示 变换后图像在Xni处的熵，群组配准的目标函数表示为：其中，G。表示方差为。2的高斯核，Clu(Xni) =I1(T1(Xni))-Idt(Xni))表示变换后的图像I1 (T1(xj)和Ij(Tj(xj)在点Xni处的距离。
【专利摘要】一种融合灰度特征与结构化表示的图像群组配准方法，包括如下步骤：1)从机器中获取的原始图像，并获得该图像的结构化表示，并将此结构化表示以及原始图像作为输入数据输入；2)对输入图像不断进行仿射变换，并求取变换后图像的相似度量，使变换后图像为相似度最优；3)对仿射变换后相似度达到最优的图像不断进行B样条变换，并计算B样条变换后图像的相似性度量，使B样条变换后的图像的相似性最优，从而获得最终的精配准图像。本发明提供一种有效增加配准有效信息，相对减少无用信息、配置精度较高的融合灰度特征与结构化表示的图像群组配准方法。
【IPC分类】G06T3/00
【公开号】CN105389775
【申请号】CN201510672710
【发明人】陈胜勇, 张剑华, 刘干, 金钦钦
【申请人】浙江工业大学
【公开日】2016年3月9日
【申请日】2015年10月16日