摘要：圖像特征點(diǎn)匹配作為圖像處理領(lǐng)域的一項(xiàng)基本技術(shù)，在臨床醫(yī)學(xué)圖像處理中具有很重要的意義，本文根據(jù)醫(yī)學(xué)圖像的特點(diǎn)提出一種基于雙向異步投票策略的特征點(diǎn)匹配方法。首先，利用改進(jìn)的harris角點(diǎn)檢測算子提取圖像角點(diǎn)作為圖像的特征點(diǎn)；接著，采用本文提出的基于雙向異步的投票策略的角點(diǎn)匹配算法來完成角點(diǎn)的粗匹配，使待拼接圖像的特征點(diǎn)大致對(duì)應(yīng)；然后利用RANSAC優(yōu)化算法剔除誤匹配，使特征點(diǎn)達(dá)到精確匹配。

關(guān)鍵詞：特征點(diǎn)匹配；投票策略；圖像拼接

醫(yī)學(xué)影像學(xué)是現(xiàn)代醫(yī)學(xué)的主要組成部分之一，醫(yī)學(xué)圖像是醫(yī)生用來診斷疾病和確定治療方案的主要依據(jù)之一。醫(yī)學(xué)圖像配準(zhǔn)、醫(yī)學(xué)圖像拼接以及醫(yī)學(xué)圖像的三維重建等圖像處理技術(shù)具有重要的臨床應(yīng)用價(jià)值。圖像特征點(diǎn)不僅能反映圖像的大致輪廓，而且對(duì)噪聲、角度、尺度等不敏感，并能大大較少計(jì)算量，因此基于特征點(diǎn)的配準(zhǔn)、拼接等技術(shù)應(yīng)用較為廣泛[1，2]。但這些技術(shù)的關(guān)鍵在于如何提取圖像特征點(diǎn)，以及如何使特征點(diǎn)達(dá)到精確匹配。

醫(yī)學(xué)圖像與其它圖像相比，具有噪聲大、圖像細(xì)節(jié)多、對(duì)比度低等特點(diǎn)，本文采用對(duì)噪聲、旋轉(zhuǎn)不敏感的Harris改進(jìn)算法[3，4]提取圖像的角點(diǎn)作為特征點(diǎn)。另外，人體解剖結(jié)構(gòu)存在相似性及對(duì)稱性，因此采用一般的方法很難做到特征點(diǎn)的精確匹配，從而嚴(yán)重影響圖像的后期處理。根據(jù)醫(yī)學(xué)解剖圖像的空間幾何變換屬于剛體變換[5]或近視為剛體變換，如脊柱、骨骼以及顱骨固定的大腦等圖像，本文提出一種基于雙向異步投票策略的特征點(diǎn)匹配算法。

1 角點(diǎn)投票策略

1.1投票策略 投票選舉[6]是生活中很常見的一種選舉方法，屬于社會(huì)選擇理論，且取得了很大的成效。由于兩個(gè)特征空間內(nèi)的角點(diǎn)匹配問題，從某種角度講可以認(rèn)為角點(diǎn)匹配就是待配準(zhǔn)圖像的角點(diǎn)之間按照某種規(guī)則進(jìn)行一一選擇。基于此，我們將投票策略應(yīng)用于角點(diǎn)匹配當(dāng)中，且算法的有效性已經(jīng)得到錢為等人[5]的證明。具體思想如下。

首先對(duì)投票選舉進(jìn)行角色分配，如表1所示。

投票標(biāo)準(zhǔn)：特征空間A中角點(diǎn)間距離與特征空間B中角點(diǎn)間距離相等的個(gè)數(shù)作為每個(gè)候選者針對(duì)每個(gè)競爭職位所得的票數(shù)，票數(shù)最多著為相應(yīng)職位的勝出者。

投票規(guī)則：采用黑盒式投票，即每個(gè)候選者均可參與全程職位競爭，且每個(gè)在一個(gè)職位競爭中勝出者仍可參與其它職位的競爭，即投票過程當(dāng)中，不進(jìn)行投票結(jié)果的揭露。

根據(jù)文獻(xiàn)[5]可得具體投票思想如圖1所示。

當(dāng)然，此種投票方式很可能出現(xiàn)\"一對(duì)多\"的現(xiàn)象，并不能使各角點(diǎn)達(dá)到一一對(duì)應(yīng)，也會(huì)嚴(yán)重影響優(yōu)化最佳變換模型的速度?；诖藛栴}，本文提出如下的基于雙向異步投票的思想進(jìn)行角點(diǎn)匹配。

1.2基于雙向異步投票策略的角點(diǎn)匹配 所謂\"雙向\"投票是指兩個(gè)特征空間互相對(duì)對(duì)方投票選擇，即當(dāng)表1中的\"候選者\(yùn)"對(duì)\"競選職位\"可進(jìn)行角色互換，彼此對(duì)對(duì)方進(jìn)行競選。若所有的成員都參與兩輪競選的話，尤其是孤立的特征點(diǎn)（沒有與之匹配的角點(diǎn)）或者噪聲點(diǎn)的參與，會(huì)嚴(yán)重影響角點(diǎn)匹配過程的計(jì)算速度。基于此問題，本文提出\"雙向競選\"需建立在異步的基礎(chǔ)上，即必須在第一輪競選結(jié)束后，才能進(jìn)行角色互換，并且在角色互換前應(yīng)剔除一些已經(jīng)篩選出來的孤立點(diǎn)和噪聲點(diǎn)。異步雙向投票的示意圖如圖2所示。

具體實(shí)現(xiàn)步驟如下所述。

1.2.1按照?qǐng)D1所示的投票競選流程圖所示進(jìn)行第一輪投票競選，并暫時(shí)保存第一輪\"投票競選\"結(jié)果。

1.2.2剔除特征空間B中的孤立點(diǎn)：因?yàn)槭且訟中所有點(diǎn)作為\"競選職位\"進(jìn)行投票，那么通過第一輪競選后，B中未找到與之匹配的點(diǎn)可認(rèn)為是孤立點(diǎn)，剔除孤立點(diǎn)后的特征空間B另記為新的特征空間B'，但要保留特征點(diǎn)原來的序號(hào)。

1.2.3第二輪投票競選：此輪投票可按照以下步驟進(jìn)行。

1.2.3.1重新分配投票當(dāng)中的角色：將特征空間B'作為\"競選職位\"，特征空間A為\"候選者\(yùn)"，其他角色不變。

1.2.3.2計(jì)算特征空間B'內(nèi)各個(gè)角點(diǎn)間的歐式距離矩陣 T。

1.2.3.3掃描第一輪的投票結(jié)果，若顯示A中Pi與B中^Pj匹配，那么就比較R中第i行與 T中各行相等的元素個(gè)數(shù)，若^Pj所得票數(shù)最多，那么可以確定Pi 與^Pj成功匹配，不再參與其他角點(diǎn)的匹配；若不成功，則進(jìn)行其他點(diǎn)的投票匹配。

1.2.3.4第二輪投票結(jié)束后，若還存在\"一對(duì)多\"的現(xiàn)象，可剔除A中孤立點(diǎn)，將新的特征空間記為A'，然后按照步驟1～3進(jìn)行二次投票。

由于我們?cè)诮屈c(diǎn)提取的時(shí)候，加入了區(qū)域因子和距離因子，因此在實(shí)際的角點(diǎn)匹配當(dāng)中，步驟3結(jié)束就會(huì)準(zhǔn)確找出一一對(duì)應(yīng)的匹配點(diǎn)。

2 結(jié)果與討論

對(duì)來自醫(yī)學(xué)影像技術(shù)論壇的兩幅待拼圖像進(jìn)行試驗(yàn)結(jié)果如下。采用單向投票以及異步雙向投票策略進(jìn)行的角點(diǎn)匹配結(jié)果如圖3、圖4所示。

在角點(diǎn)初始匹配的基礎(chǔ)上，采用RANSAC算法剔除誤匹配，并優(yōu)化估計(jì)出最佳變換模型，角點(diǎn)最終匹配結(jié)果如圖5所示。

從圖3、圖4可以明顯看出，單向投票策略中避免不了\"一對(duì)多\"的現(xiàn)象發(fā)生；而基于異步雙向投票的角點(diǎn)匹配算法避開了\"一對(duì)多\"的現(xiàn)象，并且算法中并沒采用\"二次投票\"。本實(shí)驗(yàn)中的異步雙向投票策略角點(diǎn)匹配算法的運(yùn)行時(shí)間只需幾毫秒（采用VC++6.0編程）。。

3 結(jié)論

本文根據(jù)醫(yī)學(xué)圖像的特點(diǎn)，提出的基于雙向異步投票策略的角點(diǎn)匹配算法不僅能有效避免匹配當(dāng)中的\"一對(duì)多\"現(xiàn)象，更能有效正確找出匹配點(diǎn)。并且粗匹配的高精度也有效減少了優(yōu)化算法的工作量。

文中的基于雙向異步投票策略的角點(diǎn)匹配算法，是采用像素點(diǎn)的歐氏距離作為投票標(biāo)準(zhǔn)，只能應(yīng)用于圖像的剛性變換。設(shè)想，利用仿射變換的性質(zhì)：變換后平行關(guān)系不變，在文中投票算法中引入\"方向一致性\"或馬氏距離作為投票標(biāo)準(zhǔn)，解決圖像的仿射變換配準(zhǔn)問題。

參考文獻(xiàn)：

[1]AGFA company，ADC compact full-leg/full-spine application software user manual[M].published by Agfa-Gevaert N.V.，B-2640 Mortsel-Belgiun 2214A GB 1998，11

[2]P.Smith，D.Sinclair，R.Cipolla，K.Wood.Effective Corner Matching[J].British Machine Vision Conference

[3]C.HarrisandM.J.Stephens.A combined corner and edge detector[J].In Alvey V-ision Conference，1988，147-152.

[4]ZHANG Xiao-hong.LI Bo.YANG Dan A novel Harris multi-scale comer detection algorithm[J].]Journal of Electronics and Information Technology，2007（07）.

[5]QIAN Wei，F(xiàn)U Zhi-zhong，LIU Ling-qiao，etc.Voting-strategy-based Approach to Image Registration[J].Opto-Electronic Engineering，Oct，2008.

[6]Klaus Nehring，Clemens Puppe.Efficient and strategy-prof voting rules：A characterization[J].Games and Economic Behavior，2007（59）：132-153.

[7]Fischler MA，Bolles RC.Random sample consensus：A paradigm for model fitting with applications to image analysis and automated cartography[J].CACM，198 1，24（6）：381-395.

編輯/蔡睿琳