盛彬

基于多屬性輪廓提取的圖像配準(zhǔn)算法

盛彬

（山西大同大學(xué)煤炭工程學(xué)院，山西大同，037003）

圖像配準(zhǔn)算法改進(jìn)有利于提高各大應(yīng)用領(lǐng)域的圖像精度。以人手部CT醫(yī)學(xué)圖像為研究對(duì)象，首次在像素灰度值的基礎(chǔ)上融合了鄰域均值和歸一化鄰域方差屬性，實(shí)現(xiàn)了圖像輪廓提??；并應(yīng)用力矩主軸思想，計(jì)算了參考圖像和浮動(dòng)圖像的質(zhì)心、主軸與坐標(biāo)軸的夾角；通過(guò)所得配準(zhǔn)參數(shù)實(shí)現(xiàn)了圖像配準(zhǔn)。研究表明：多屬性特征的引入有助于進(jìn)一步改善輪廓提取精度；相比傳統(tǒng)的Canny法，基于力矩主軸的圖像配準(zhǔn)算法誤差降低了70%以上，表明了算法具有可行性。值得在醫(yī)學(xué)圖像等領(lǐng)域加以推廣。

歸一化鄰域方差；鄰域均值；圖像分割；圖像配準(zhǔn)；力矩主軸；Canny法；醫(yī)學(xué)圖像

引言

隨著計(jì)算與處理技術(shù)的不斷提高，圖像處理作為一門新興學(xué)科快速發(fā)展，在人臉識(shí)別、車牌識(shí)別、遙感及醫(yī)學(xué)圖像的處理等方面得以廣泛應(yīng)用。對(duì)圖像處理學(xué)科細(xì)化分類，又包括圖像增強(qiáng)、圖像分割、圖像配準(zhǔn)等方向，要解決的實(shí)際問(wèn)題不盡相同。本文著重研究其中的圖像配準(zhǔn)，能夠在醫(yī)學(xué)圖像領(lǐng)域解決諸如觀察同一病人在一段時(shí)期內(nèi)病灶部位變化情況這類實(shí)際問(wèn)題，具有深遠(yuǎn)研究意義。

本文旨在提出一種基于圖像輪廓的配準(zhǔn)算法，主要思路是應(yīng)用力矩主軸的概念，計(jì)算參考圖像和人為設(shè)定的浮動(dòng)圖像的質(zhì)心及主軸與坐標(biāo)軸的夾角，進(jìn)而得到配準(zhǔn)參數(shù)，完成圖像配準(zhǔn)。對(duì)于圖像輪廓的提取，提出了將像素灰度值、新定義的鄰域均值和歸一化鄰域方差[1]作為圖像的特征屬性，提取CT圖像中人手掌部位輪廓的算法，并將該算法與Canny算子的仿真結(jié)果進(jìn)行比較，考察應(yīng)用效果。

1　圖像輪廓特征提取

在圖像處理領(lǐng)域，大多數(shù)情況下會(huì)選取像素灰度值作為圖像基本屬性對(duì)其進(jìn)行分析與處理，例如圖像分割中的一維最大類間方差法（Otsu）就是利用其作為基本信息對(duì)像素進(jìn)行分類，通過(guò)一定方法找出適合的閾值。當(dāng)像素灰度值大于該閾值時(shí)，就將該像素點(diǎn)定義為背景，反之則定義為目標(biāo)，這樣就能夠?qū)D像進(jìn)行分割，得到目標(biāo)圖像。這種分割方法是圖像處理領(lǐng)域中最基本也是最簡(jiǎn)單的，所以只適用于一些較為理想化的圖像，一旦圖像復(fù)雜或是帶有噪聲，就無(wú)法得到精度高的分割結(jié)果。因此，后來(lái)的專家學(xué)者在一維Otsu方法的基礎(chǔ)上，進(jìn)行了許多改進(jìn)，提高了分割效果[1-2]。

本文在像素灰度值的基礎(chǔ)上引入鄰域均值和歸一化鄰域方差這兩個(gè)新屬性，三者共同作為圖像的屬性特征，來(lái)提高圖像分割的效果，以得到清晰的輪廓圖像，為后序的圖像配準(zhǔn)提供良好基礎(chǔ)。

定義1：尺寸為M×N的圖像I中，像素x的k×k鄰域（k取奇數(shù)）均值m(x)定義為[3]

定義2：尺寸為M×N的圖像 中，像素x的k×k歸一化鄰域方差v(x)定義為[3]

其中，β∈(0.5,1]；L表示像素x的灰度級(jí)；NV(x)表示像素x的鄰域方差，用

表示。f(·)、m(·)意義同上，不再贅述。

通常狀況下，用上述鄰域方差NV(x)的概念就可作為第三個(gè)屬性來(lái)描述圖像特征，但如果需要處理的是帶有噪聲的圖像，那么噪聲所在處的像素灰度值易發(fā)生突變，導(dǎo)致其與計(jì)算出的鄰域均值有較大差異，進(jìn)而使得鄰域方差值分布不均，影響背景和目標(biāo)的區(qū)分。為了解決噪聲問(wèn)題，將鄰域方差進(jìn)行歸一化，將其統(tǒng)一在范圍[0, L-1]內(nèi)，使得像素灰度值、鄰域均值及鄰域方差的灰度級(jí)一致，便于對(duì)數(shù)據(jù)集中處理。

本文要做的工作是對(duì)輪廓圖像進(jìn)行配準(zhǔn)，所以圖像輪廓提取質(zhì)量將直接影響后續(xù)的配準(zhǔn)結(jié)果，而上述提出的鄰域方差概念恰好就能夠解決提取輪廓的問(wèn)題，因?yàn)樵谝环叶葓D像中，目標(biāo)和背景的像素灰度值十分接近，這就導(dǎo)致計(jì)算出鄰域均值和給定的像素灰度值十分接近，進(jìn)一步計(jì)算出的鄰域方差值小到可以忽略不計(jì)。但輪廓作為不同區(qū)域的交界處，像素值會(huì)發(fā)生突變，那么鄰域方差就發(fā)生了較大變化，起到了凸顯輪廓的目的，從而實(shí)現(xiàn)目標(biāo)輪廓提取。

圖1(a)為一幅人手部CT圖像，其中計(jì)算鄰域模板尺寸為3×3，經(jīng)歸一化方差輪廓提取得到的圖像如圖1(b)所示，再進(jìn)行二值化處理，得到的最終輪廓如圖1(c)所示。

圖1　人手部CT圖像

2　圖像力矩主軸特征提取

繼續(xù)將人手掌部位的CT醫(yī)學(xué)圖像作為研究對(duì)象實(shí)現(xiàn)配準(zhǔn)。一般情況下，可將手掌部位的骨骼近似為剛體。剛體是在運(yùn)動(dòng)或受到外力作用后，形狀、大小基本不變的物體。理想剛體在現(xiàn)實(shí)中是不存在的，但手掌部位的骨骼基本沒(méi)有變形，所以這種近似是合理的。那么，所處理的圖像就只存在平移、旋轉(zhuǎn)或兩項(xiàng)并存的相對(duì)位置變化，這時(shí)配準(zhǔn)問(wèn)題將轉(zhuǎn)化為尋求相關(guān)參數(shù)的對(duì)應(yīng)關(guān)系。

為了降低計(jì)算量，可以用物體邊緣計(jì)算質(zhì)心以及主軸與參考系的夾角，該近似同樣滿足較高精度[4]。

定義3：待配準(zhǔn)圖像的質(zhì)心為[5]：

其中，(xi,yi)表示輪廓上的二值化像素(輪廓上的像素灰度值用1表示，背景則用0來(lái)表示)，G表示輪廓像素的總個(gè)數(shù)。

定義4：待配準(zhǔn)圖像輪廓主軸與坐標(biāo)軸x軸的夾角θ定義為[5]：

3　圖像配準(zhǔn)算法設(shè)計(jì)與實(shí)現(xiàn)

3.1算法設(shè)計(jì)

（1）利用歸一化鄰域方差和二值化的計(jì)算公式得到待配準(zhǔn)原始圖像輪廓圖；

（2）人為選定一組參數(shù)，對(duì)輪廓圖進(jìn)行改造(平移、旋轉(zhuǎn)一定角度)，得到待配準(zhǔn)圖像的浮動(dòng)測(cè)試圖；

（3）利用式(4)和式(5)，計(jì)算出輪廓圖和測(cè)試圖的質(zhì)心

（5）根據(jù)計(jì)算出的變換參數(shù)實(shí)施配準(zhǔn)，輸出配準(zhǔn)圖像。

3.2算法實(shí)現(xiàn)與分析

算法實(shí)現(xiàn)基于MATLAB R2011a平臺(tái)，分別采用邊緣檢測(cè)中的Canny算子法與及本文算法提取原始圖像輪廓，進(jìn)而采用求質(zhì)心和主軸與坐標(biāo)軸夾角的方法，得出待配準(zhǔn)參數(shù)，實(shí)施輪廓圖和測(cè)試圖的配準(zhǔn)，進(jìn)行比較分析。

對(duì)配準(zhǔn)誤差的定量評(píng)價(jià)參考了文獻(xiàn)[6]中的方法，即

其中，腳標(biāo)R代表對(duì)應(yīng)變量實(shí)際變換值，腳標(biāo)C代表用配準(zhǔn)方法計(jì)算出的對(duì)應(yīng)變量變換值。

仿真結(jié)果如圖2、圖3所示。

圖2　Canny法配準(zhǔn)結(jié)果

表1　CT圖像配準(zhǔn)的實(shí)驗(yàn)數(shù)據(jù)

圖3　CT本文算法配準(zhǔn)結(jié)果

4　結(jié)論

本文提出的圖像配準(zhǔn)算法相比原有算法效果更好，說(shuō)明像素灰度值、鄰域均值、歸一化鄰域方差概念的結(jié)合，更好地解決了輪廓提取問(wèn)題，為后續(xù)圖像配準(zhǔn)提供了更為精準(zhǔn)的變換參數(shù)。然而，該方法目前僅適用于圖像相對(duì)清晰，且平移、旋轉(zhuǎn)參數(shù)差異不甚明顯的情況，因此在今后的研究中，應(yīng)對(duì)本文方法繼續(xù)改進(jìn)，得到更好的配準(zhǔn)效果。

[1]賀建峰,符增,相艷,等. 基于灰度空間相關(guān)性最大類間方差的圖像分割[J].計(jì)算機(jī)工程,2015,41(11): 280-286.

[2]丁曉峰, 何凱霖. 基于最大類間方差的改進(jìn)圖像分割算法[J].計(jì)算機(jī)工程與設(shè)計(jì),2015,36(10):2765-2780.

[3]謝剛, 盛彬, 王芳. 一種基于相容粒度空間的圖像分割方法[J].控制與決策, 2013, 28(2): 317-320.

[4]李金泉, 徐正華, 胡曉飛,等. 染色體質(zhì)心、慣性主軸及旋轉(zhuǎn)算法的研究[J]. 信號(hào)處理, 2001, 17(3): 274-277.

[5]盛彬. 基于不可分辨關(guān)系的圖像分割與基于輪廓的圖像配準(zhǔn)[D]. 太原: 太原理工大學(xué), 2012.

[6]付宜利, 于曉龍, 王躍華. 基于最大互信息的人腦多模圖像快速配準(zhǔn)算法[J]. 生物醫(yī)學(xué)工程研究, 2006, 25(2): 71-74.

盛彬(1986-)，女，研究生，山西大同大學(xué)煤炭工程學(xué)院助教。研究方向：控制理論與控制工程。

E-mail: joycechloe@sina.com

Image Registration Algorithm based on Multi-attribute Contour Extraction

SHENG Bin
(School of Coal Engineering, Shanxi Datong University, Datong, Shanxi, 037003, China)

Improvement of image registration algorithm is beneficial to enhance image precision in various application fields. By treating medical CT image of the human hands as the research object, hybrid attributes composing of pixel gray value, neighborhood mean value and normalized neighborhood variance are innovatively applied into extraction are of image contour. Also, a concept of principal axes is adopted to calculate the centroid and the angle of axes and axis between reference image and floating image, for realization of image registration through obtained registration parameters. Research shows that the adhibition of multi-attribute feature is helpful for further improvement of precision of contour extraction; compared with the traditional Canny method, the error of image registration algorithm based on principal axes is reduced by 70% or more, indicating the feasibility of the proposed algorithm, and the high promoting value in fields including medical image.

Normalized Neighborhood Variance; Neighborhood Mean Value; Image Segmentation; Image Registration; Principal Axes; Canny Method; Medical Image

TP391.4

A

2095-8412 (2016) 05-914-03工業(yè)技術(shù)創(chuàng)新 URL: http://www.china-iti.com

10.14103/j.issn.2095-8412.2016.05.023