基于多属性轮廓提取的图像配准算法

盛彬

基于多属性轮廓提取的图像配准算法

盛彬

（山西大同大学煤炭工程学院，山西大同，037003）

图像配准算法改进有利于提高各大应用领域的图像精度。以人手部CT医学图像为研究对象，首次在像素灰度值的基础上融合了邻域均值和归一化邻域方差属性，实现了图像轮廓提取；并应用力矩主轴思想，计算了参考图像和浮动图像的质心、主轴与坐标轴的夹角；通过所得配准参数实现了图像配准。研究表明：多属性特征的引入有助于进一步改善轮廓提取精度；相比传统的Canny法，基于力矩主轴的图像配准算法误差降低了70%以上，表明了算法具有可行性。值得在医学图像等领域加以推广。

归一化邻域方差；邻域均值；图像分割；图像配准；力矩主轴；Canny法；医学图像

引言

随着计算与处理技术的不断提高，图像处理作为一门新兴学科快速发展，在人脸识别、车牌识别、遥感及医学图像的处理等方面得以广泛应用。对图像处理学科细化分类，又包括图像增强、图像分割、图像配准等方向，要解决的实际问题不尽相同。本文着重研究其中的图像配准，能够在医学图像领域解决诸如观察同一病人在一段时期内病灶部位变化情况这类实际问题，具有深远研究意义。

本文旨在提出一种基于图像轮廓的配准算法，主要思路是应用力矩主轴的概念，计算参考图像和人为设定的浮动图像的质心及主轴与坐标轴的夹角，进而得到配准参数，完成图像配准。对于图像轮廓的提取，提出了将像素灰度值、新定义的邻域均值和归一化邻域方差[1]作为图像的特征属性，提取CT图像中人手掌部位轮廓的算法，并将该算法与Canny算子的仿真结果进行比较，考察应用效果。

1　图像轮廓特征提取

在图像处理领域，大多数情况下会选取像素灰度值作为图像基本属性对其进行分析与处理，例如图像分割中的一维最大类间方差法（Otsu）就是利用其作为基本信息对像素进行分类，通过一定方法找出适合的阈值。当像素灰度值大于该阈值时，就将该像素点定义为背景，反之则定义为目标，这样就能够对图像进行分割，得到目标图像。这种分割方法是图像处理领域中最基本也是最简单的，所以只适用于一些较为理想化的图像，一旦图像复杂或是带有噪声，就无法得到精度高的分割结果。因此，后来的专家学者在一维Otsu方法的基础上，进行了许多改进，提高了分割效果[1-2]。

本文在像素灰度值的基础上引入邻域均值和归一化邻域方差这两个新属性，三者共同作为图像的属性特征，来提高图像分割的效果，以得到清晰的轮廓图像，为后序的图像配准提供良好基础。

定义1：尺寸为M×N的图像I中，像素x的k×k邻域（k取奇数）均值m(x)定义为[3]

定义2：尺寸为M×N的图像 中，像素x的k×k归一化邻域方差v(x)定义为[3]

其中，β∈(0.5,1]；L表示像素x的灰度级；NV(x)表示像素x的邻域方差，用

表示。f(·)、m(·)意义同上，不再赘述。

通常状况下，用上述邻域方差NV(x)的概念就可作为第三个属性来描述图像特征，但如果需要处理的是带有噪声的图像，那么噪声所在处的像素灰度值易发生突变，导致其与计算出的邻域均值有较大差异，进而使得邻域方差值分布不均，影响背景和目标的区分。为了解决噪声问题，将邻域方差进行归一化，将其统一在范围[0, L-1]内，使得像素灰度值、邻域均值及邻域方差的灰度级一致，便于对数据集中处理。

本文要做的工作是对轮廓图像进行配准，所以图像轮廓提取质量将直接影响后续的配准结果，而上述提出的邻域方差概念恰好就能够解决提取轮廓的问题，因为在一幅灰度图像中，目标和背景的像素灰度值十分接近，这就导致计算出邻域均值和给定的像素灰度值十分接近，进一步计算出的邻域方差值小到可以忽略不计。但轮廓作为不同区域的交界处，像素值会发生突变，那么邻域方差就发生了较大变化，起到了凸显轮廓的目的，从而实现目标轮廓提取。

图1(a)为一幅人手部CT图像，其中计算邻域模板尺寸为3×3，经归一化方差轮廓提取得到的图像如图1(b)所示，再进行二值化处理，得到的最终轮廓如图1(c)所示。

图1　人手部CT图像

2　图像力矩主轴特征提取

继续将人手掌部位的CT医学图像作为研究对象实现配准。一般情况下，可将手掌部位的骨骼近似为刚体。刚体是在运动或受到外力作用后，形状、大小基本不变的物体。理想刚体在现实中是不存在的，但手掌部位的骨骼基本没有变形，所以这种近似是合理的。那么，所处理的图像就只存在平移、旋转或两项并存的相对位置变化，这时配准问题将转化为寻求相关参数的对应关系。

为了降低计算量，可以用物体边缘计算质心以及主轴与参考系的夹角，该近似同样满足较高精度[4]。

定义3：待配准图像的质心为[5]：

其中，(xi,yi)表示轮廓上的二值化像素(轮廓上的像素灰度值用1表示，背景则用0来表示)，G表示轮廓像素的总个数。

定义4：待配准图像轮廓主轴与坐标轴x轴的夹角θ定义为[5]：

3　图像配准算法设计与实现

3.1算法设计

（1）利用归一化邻域方差和二值化的计算公式得到待配准原始图像轮廓图；

（2）人为选定一组参数，对轮廓图进行改造(平移、旋转一定角度)，得到待配准图像的浮动测试图；

（3）利用式(4)和式(5)，计算出轮廓图和测试图的质心

（5）根据计算出的变换参数实施配准，输出配准图像。

3.2算法实现与分析

算法实现基于MATLAB R2011a平台，分别采用边缘检测中的Canny算子法与及本文算法提取原始图像轮廓，进而采用求质心和主轴与坐标轴夹角的方法，得出待配准参数，实施轮廓图和测试图的配准，进行比较分析。

对配准误差的定量评价参考了文献[6]中的方法，即

其中，脚标R代表对应变量实际变换值，脚标C代表用配准方法计算出的对应变量变换值。

仿真结果如图2、图3所示。

图2　Canny法配准结果

表1　CT图像配准的实验数据

图3　CT本文算法配准结果

4　结论

本文提出的图像配准算法相比原有算法效果更好，说明像素灰度值、邻域均值、归一化邻域方差概念的结合，更好地解决了轮廓提取问题，为后续图像配准提供了更为精准的变换参数。然而，该方法目前仅适用于图像相对清晰，且平移、旋转参数差异不甚明显的情况，因此在今后的研究中，应对本文方法继续改进，得到更好的配准效果。

[1]贺建峰,符增,相艳,等. 基于灰度空间相关性最大类间方差的图像分割[J].计算机工程,2015,41(11): 280-286.

[2]丁晓峰, 何凯霖. 基于最大类间方差的改进图像分割算法[J].计算机工程与设计,2015,36(10):2765-2780.

[3]谢刚, 盛彬, 王芳. 一种基于相容粒度空间的图像分割方法[J].控制与决策, 2013, 28(2): 317-320.

[4]李金泉, 徐正华, 胡晓飞,等. 染色体质心、惯性主轴及旋转算法的研究[J]. 信号处理, 2001, 17(3): 274-277.

[5]盛彬. 基于不可分辨关系的图像分割与基于轮廓的图像配准[D]. 太原: 太原理工大学, 2012.

[6]付宜利, 于晓龙, 王跃华. 基于最大互信息的人脑多模图像快速配准算法[J]. 生物医学工程研究, 2006, 25(2): 71-74.

盛彬(1986-)，女，研究生，山西大同大学煤炭工程学院助教。研究方向：控制理论与控制工程。

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工业技术创新 URL: http://www.china-iti.com

10.14103/j.issn.2095-8412.2016.05.023