專利名稱：一種自動識別特征點的醫用影像跟蹤方法和裝置的制作方法
技術領域：
本發明涉及影像配準技術，具體涉及一種自動識別特征點的醫用影像跟蹤方法和
直O
背景技術：
在當今的放射治療中，呼吸等臟器運動影響了高劑量的適形放療，如調強適形放 療(intensity modulated radiation therapy,IMRT)等。一般是把一個三維的腫瘤影像作為靜止的目標，對它實施高劑量的適形調強放 療。然而對于胸腹部的腫瘤來說，由于呼吸運動的影響，腫瘤在放療過程中會偏離射野。目 前常規的做法是把整個腫瘤靶區的范圍擴大，使它包括腫瘤的全部運動范圍，但這也導致 了照射本來不該照射的正常組織。因此最理想的解決方案是能夠讓放射源實時跟蹤腫瘤的 運動，也就是能夠對腫瘤實時定位。目前最先進的實時腫瘤跟蹤方法是往人體植入X射線成像高清晰的金屬顆粒或 者是可以電磁跟蹤的標志點。在放療過程中通過對這些標志點的實時成像一如X射線成 像一來達到實時腫瘤跟蹤的目的。標志點植入技術在歐美已經日益廣泛地應用于肺癌、 肝癌、胰腺癌、乳腺癌和前列腺癌等諸多病癥的治療。該技術雖然能夠實時跟蹤腫瘤，但是 這些標志點必須在放射治療前約兩周通過手術的方式植入人體，而且在放療之后，標志點 將永久地保留在人體中，對患者造成新的創傷，給患者在放療前后都造成新的痛苦和患病 的風險。

發明內容
本發明實施例提供一種無創的實時腫瘤跟蹤技術來取代標志點跟蹤。它能夠充分 提取影像自身的信息，直接利用影像本身進行腫瘤的實時跟蹤。為達到上述目的，本發明的技術方案具體是這樣實現的—種自動識別特征點的醫用影像跟蹤技術，該方法包括計算影像各像素的特征維度并確定特征點；計算特征點的方向直方圖，并進行影像之間特征點的匹配；對匹配上的特征點對進行分組，得到影像間在各自由度上的偏移矢量。所述計算影像各像素的特征維度并確定特征點之前進一步包括對于影像中的每一個像素，計算該像素周圍3X3個點(包括自身)的梯度，從而 構建該像素的2X9階梯度矩陣；所述計算影像各像素的特征維度并確定特征點的方法為對于影像中的每一個像素，計算該像素的梯度矩陣與其轉置的乘積，得到2X2階 的矩陣，并計算該矩陣的特征值。當兩個特征值的絕對值大小均大于等于給定閾值時，將該像素加入特征點列；當兩個特征值的絕對值大小至少有一個小于給定閾值時，該像素不被加入特征點
5列。所述計算特征點的方向直方圖的方法為對于影像中的每一個特征點，計算該特征點周圍8X8個點的梯度和梯度方向。將 這8X8個點以特征點為圓心，按照所在象限分為四組，將每一組中的4X4個點的梯度方向 分為八組，例如梯度方向在0°和45°之間的分在第一組，以此類推。分別統計這64個點 落入4 X 8個組中的點數，從而構成該特征點的方向直方圖。所述影像之間特征點的匹配方法為對于第一幅影像中的特征點，尋找其在第二幅影像中的匹配點；對于第二幅影像中的特征點，尋找其在第一幅影像中的匹配點；找出兩幅影像間相互匹配的特征點對。所述對于第一幅影像中的特征點，尋找其在第二幅影像中的匹配點的方法為對于第一幅影像中的每一個特征點，在第二幅影像中以該特征點坐標為中心，在 其周圍給定的閾值范圍內搜索特征點。在搜索到的第二幅影像的特征點中找出其方向直方 圖與第一幅影像中該特征點P1的方向直方圖距離最短的兩個特征點P2和P' 2。該距離用 兩幅影像特征點的方向直方圖所對應的32個組的差值的平方和再開方進行計算。判斷搜索到的第二幅影像的特征點個數是否大于給定閾值。如果是，則將在第二 幅影像中方向直方圖與第一幅影像中該特征點P1的方向直方圖距離最短的特征點P2確定 為P1的匹配點，并計算兩個特征點間的相似度。該相似度的計算方法為計算第一幅影像中該特征點P1在第二幅影像中所對應的 次接近點P' 2與？1的方向直方圖之間的距離，和P1在第二幅影像中所對應的匹配點P2與 P1的方向直方圖之間的距離之比。同理可得出對于第二幅影像中的特征點，尋找其在第一幅影像中的匹配點的方 法。所述找出兩幅影像間相互匹配的特征點對的方法為對于第一幅影像中的每一個特征點，如果該特征點P1與其在第二幅影像中的匹配 點P2所對應的其在第一幅影像中的匹配點;^一致，并且P1和P2在兩幅影像中的相似度都 大于給定閾值，則認為P1和P2匹配成功，并稱其為一個特征點對。所述對特征點對進行分組的方法之前進一步包括將特征點對按照這兩個點相似度的乘積大小進行排序。所述對特征點對進行分組的方法為按照特征點對的順序，分別計算每一特征點對與其前面的特征點對的偏移矢量的 兩個分量的距離。如果兩個分量的距離都小于給定閾值，則把該特征點對歸入前面那個特征點對所 在分組，并對該組計數加一；否則新建分組，并對該組計數加一。如果某一組的計數首先達到設定的閾值，則把該組的偏移矢量確定為兩幅影像間 的偏移矢量。一種醫用影像跟蹤的裝置，該裝置包括梯度矩陣構建模塊，特征點的自動識別模 塊，方向直方圖計算模塊，特征點的自動匹配模塊，特征點排序模塊，影像配準和跟蹤模塊。所述梯度矩陣構建模塊，對于影像中的每一個像素，計算該像素周圍3X3個點
6(包括自身)的梯度，從而構建該像素的2X9階梯度矩陣；所述特征點的自動識別模塊，對于影像中的每一個像素，計算該像素的梯度矩陣 與其轉置的乘積，得到2X2階的矩陣，并計算該矩陣的特征值。當兩個特征值的絕對值大 小均大于等于給定閾值時，將該像素加入特征點列；當兩個特征值的絕對值大小至少有一 個小于給定閾值時，該像素不被加入特征點列。所述方向直方圖計算模塊，對于影像中的每一個特征點，計算該特征點周圍8X8 個點的梯度和梯度方向。將這8X8個點以特征點為圓心，按照所在象限分為四組，將每一 組中的4X4個點的梯度方向分為八組，例如梯度方向在0°和45°之間的分在第一組，以 此類推。分別統計這64個點落入4X8個組中的點數，從而構成該特征點的方向直方圖。所述特征點的自動匹配模塊，對于第一幅影像中的每一個特征點，在第二幅影像 中以該特征點坐標為中心，在其周圍給定的閾值范圍內搜索特征點。在搜索到的第二幅影 像的特征點中找出其方向直方圖與第一幅影像中該特征點P1的方向直方圖距離最短的兩 個特征點P2和P' 2。該距離用兩幅影像特征點的方向直方圖所對應的32個組的差值的平 方和再開方進行計算。判斷搜索到的第二幅影像的特征點個數是否大于給定閾值。如果是，則將在第二 幅影像中方向直方圖與第一幅影像中該特征點P1的方向直方圖距離最短的特征點P2確定 為P1的匹配點，并計算兩個特征點間的相似度。該相似度的計算方法為計算第一幅影像中該特征點P1在第二幅影像中所對應的 次接近點P' 2與？1的方向直方圖之間的距離，和P1在第二幅影像中所對應的匹配點P2與 P1的方向直方圖之間的距離之比。同理可得出對于第二幅影像中的特征點，尋找其在第一幅影像中的匹配點的方 法。對于第一幅影像中的每一個特征點，如果該特征點P1與其在第二幅影像中的匹配 點P2所對應的其在第一幅影像中的匹配點灼*一致，并且P1和P2在兩幅影像中的相似度都 大于給定閾值，則認為P1和P2匹配成功，并稱其為一個特征點對。所述控制點排序模塊，將特征點對按照這兩個點相似度的乘積大小進行排序。所述影像配準和跟蹤模塊，按照特征點對的順序，分別計算每一特征點對與其前 面的特征點對的偏移矢量的兩個分量的距離。如果兩個分量的距離都小于給定閾值，則把 該特征點對歸入前面那個特征點對所在分組，并對該組計數加一；否則新建分組，并對該組 計數加一。如果某一組的計數首先達到設定的閾值，則把該組的偏移矢量確定為兩幅影像 間的偏移矢量。由上述的技術方案可見，本發明實施例的這種自動識別特征點的影像跟蹤的方法 和裝置，自動地在待配準的兩幅影像中搜索特征點并在影像間進行特征點的自動匹配。利 用匹配好的特征點對之間坐標的差值來決定腫瘤運動的大小和方向。相比傳統的影像處理技術僅僅利用了影像的灰度信息，該技術的優勢在于能夠 考慮解剖結構的先驗知識，充分提取影像本身的信息，包括連續性信息、形狀、質地、紋理 等。該技術適用于各種放療設備所配備的實時影像監控裝置，例如加速器放療中所用到的 在板成像系統(onboard imaging system，OBI)、電子射野影像裝置(electronic portal imaging device，EPID)，以及賽博刀(CyberKnife)中所用的X射線立體成像等等。
該技術對患者來說無創，對放射治療設備來說不需要額外的硬件支持。可以用于 腫瘤的實時跟蹤定位，并為呼吸門控技術以及四維放療技術提供實時的運動監控信息。該 技術可以廣泛應用于各種影像導引的放射治療系統(image-guided radiation therapy, IGRT)。


圖1為本發明實施例中自動識別特征點的醫用影像跟蹤方法的流程示意圖。圖2為本發明實施例中特征點的自動識別流程示意圖。圖3為本發明實施例中特征點的自動匹配流程示意圖。圖4為本發明實施例中方向直方圖的計算流程示意圖。圖5為本發明實施例中對于第一幅影像中的特征點，尋找其在第二幅影像中的匹 配點的流程示意圖。圖6為本發明實施例中對于第二幅影像中的特征點，尋找其在第一幅影像中的匹 配點的流程示意圖。圖7為本發明實施例中找出兩幅影像間相互匹配的特征點對的流程示意圖。圖8為本發明實施例中影像配準和跟蹤的流程示意圖。圖9為本發明實施例中醫用影像跟蹤的裝置的組成結構示意圖。
具體實施例方式為使本發明的目的、技術方案及優點更加清楚明白，以下參照附圖并舉實施例，對 本發明進一步詳細說明。本發明實施例提供一種自動識別特征點的醫用影像跟蹤方法，通過特征點的自動 識別和匹配，進行影像的配準和跟蹤，流程圖如圖1所示，其中包括步驟101 特征點的自動識別，計算影像各像素的特征維度并確定特征點；步驟102 特征點的自動匹配，計算特征點的方向直方圖，并進行影像之間特征點 的匹配；步驟103 影像配準和跟蹤，對匹配上的特征點對進行分組，得到影像間在各自由 度上的偏移矢量。下面，首先介紹特征點的自動識別方法，圖2示出了特征點的自動識別算法的流 程圖。步驟201 構建影像中每一個像素的梯度矩陣。本發明所提出的方法中最主要的一個特色是能夠利用解剖結構的先驗知識，充分 提取影像本身的信息。設X表示參考影像上像素的坐標，X = (χ，y)，I是參考影像上的灰 度分布，J是目標影像上的灰度分布，則J(X) = I(X-d)+n(X)(1)其中d表示待配準的兩幅影像上對應點的偏移矢量，η表示噪聲的分布。偏移矢 量d由最小化兩幅影像的殘差來得到ε = / N[I(X-d)-J(X)]2dX(2)W表示成像部位在參考影像上所占的區域。當偏移矢量d很小時，灰度函數可以由它的泰勒級數中的線性項來近似，即I (X-d) = I (X)-g · d(3)
^ 、g是影像灰度的梯度，g=—。因此，方程⑵改寫為
oy OZ Jε = / N[I(X)-g· d-J (X) ]2dX = / N (h-g · d) 2dX (4)其中h= I(X)-J(X)。由此可見，該殘左是偏移矢量d的二次函數。為使上式最 小，應使上式對d的偏導為0，即/ N(h_g · d)gdX = 0(5)因為(g ^cOg= (ggT)d，d在W中可以認為是常數，所以有( f NggTdX) d = / NhgdX(6)令G = / NggTdX(7)貝丨J (6)式記為Gd = e(8)設像素的灰度值為Ii, j, i和j分別為該像素沿χ和y方向的坐標位置，其周圍的 這9個像素可以表示為Ii+i,，j+j,，其中i'，j' =0，士 1。像素Ii,」的梯度為(IiAj-Ii, j， Ii,M-Ii,」)，其它像素依此類推。因此，這9個像素的梯度構成了一個2X9階的矩陣g g
(Τ -T ... T - J ... T -J 入 / — / · · · / - / · · · / — /
V 'J 'J-I'.7+1 ',JiJ+2 1 hj+l J
(9)該方法可以取，但不限于3X3個像素。該方法同樣適合于三維體素。在特征點的自動匹配中，步驟401 計算影像中的每一個特征點周圍8X8個點的梯度和梯度方向。該計算不一定限定是8X8個點，只要是周圍的若干點構成的方陣均可以。步驟402 構建該特征點的方向直方圖。將這8X8個點以特征點為圓心，按照所在象限分為四組，將每一組中的4X4個點 的梯度方向分為八組，例如梯度方向在0°和45°之間的分在第一組，以此類推。分別統計 這64個點落入4X8個組中的點數，從而構成該特征點的方向直方圖。該計算不一定限定 是按照四個象限分成4X4個點一組，也可以分成16組，每組2X 2個點，或者類似的分組均 可。角度的分組也不一定是將360°分為八組，一組45°。比如分為十二組，一組30°也可 以。另外分組的起始值也不一定從0°開始，也可以從-22.5°開始，或者任何值均可。甚 至分組不一定是等間隔分組，只要能夠無交叉、不遺漏即可。步驟501 對于第一幅影像中的每一個特征點，在第二幅影像中以該特征點坐標 為中心，在其周圍給定的閾值范圍內搜索特征點。這里搜索的范圍可以以第一幅影像中的該特征點的坐標為圓心，以給定的閾值為 半徑的圓形區域內進行搜索；也可以以第一幅影像中的該特征點的坐標為中心，以給定的 閾值為邊長的正方形區域內進行搜索；或者是以其它可定義形狀的區域進行搜索。步驟502 在搜索到的第二幅影像的特征點中找出其方向直方圖與第一幅影像中 該特征點的方向直方圖距離最短的兩個特征點。
9
方向直方圖的距離是用兩幅影像特征點的方向直方圖所對應的32個組的差值的 平方和再開方進行計算的，還可以按照其它標準來定義方向直方圖的距離。步驟503 判斷搜索到的第二幅影像的特征點個數是否大于給定閾值。如果是，則 將在第二幅影像中方向直方圖與第一幅影像中該特征點P1的方向直方圖距離最短的特征 點P2確定為P1的匹配點，并計算兩個特征點間的相似度。這里匹配點的表示方法，可以是該匹配點的偏移矢量，也可以是該匹配點的對應 編號，或者是其它標記。上述對步驟501、502、503的具體實施方式
同樣適用于步驟601、602、603。步驟702 判斷兩匹配點在兩幅影像中的相似度是否都大于給定閾值。如果是，則 認為這兩個特征點匹配成功，否則繼續處理第一幅影像的下一個特征點。相似度的判斷是指給定一個閾值，判斷兩幅影像的對應匹配點的相似度是否均大 于該閾值。但對于具體的應用場合，不一定對兩幅影像設定同樣的閾值，可以根據兩幅影像 的不同特點設定不同的閾值，比如MRI和CT之間影像的配準和跟蹤等多模態影像之間的配 準問題。甚至可以只根據一幅影像的相似度大小來決定是否選為特征點對，以及以兩幅影 像對應匹配點相似度的乘積超過某一閾值作為判斷的標準均可。另外，相似度的判斷還可 以以相似度取值的倒數作為標準，因為它代表特征點與其在另一幅影像上的匹配點的方向 直方圖之間的相對距離。在相似度的判斷之后還可以增加這兩個匹配點的梯度矩陣特征值的接近度的判 斷。梯度矩陣及其特征值的計算詳見步驟201。這里接近度的判斷也要設定一個閾值，即
ι^-< — < (10)
α2其中ai和a2分別是兩個匹配點梯度矩陣特征值的對應分量，T1為一個大于1的閾 值。該判斷不一定僅針對梯度矩陣特征值的某一分量，也可以是針對同一匹配點的兩特征 值的比值，還可以是直接針對兩匹配點梯度的對應分量的長度等等。該判斷并不是必須的， 主要適合剛性配準和跟蹤等問題。步驟802 按照特征點對的順序，分別計算每一特征點對與其前面的特征點對的 偏移矢量的兩個分量的距離。該計算并不是必須的，對于特征明顯的影像，可以不要這一步，直接按照偏移矢量 的值進行分組。步驟804 判斷該組的計數是否首先達到設定的閾值。如果是，則把該組的偏移矢 量確定為兩幅影像間的偏移矢量。該方法不僅可以用于平移的偏移矢量的計算，還可以推廣到旋轉這一自由度的偏 移量計算。另外，該方法同樣可以推廣到三維的平移和旋轉的六個自由度的偏移量計算。本發明實施例提供的一種醫用影像跟蹤裝置，組成結構如圖9所示，該裝置包括 梯度矩陣構建模塊901，特征點的自動識別模塊902，方向直方圖計算模塊903，特征點的自 動匹配模塊904，特征點排序模塊905，影像配準和跟蹤模塊906。所述梯度矩陣構建模塊901，對于影像中的每一個像素，計算該像素周圍3X3個 點(包括自身)的梯度，從而構建該像素的2X9階梯度矩陣；
所述特征點的自動識別模塊902，對于影像中的每一個像素，計算該像素的梯度矩 陣與其轉置的乘積，得到2X2階的矩陣，并計算該矩陣的特征值。當兩個特征值的絕對值 大小均大于等于給定閾值時，將該像素加入特征點列；當兩個特征值的絕對值大小至少有 一個小于給定閾值時，該像素不被加入特征點列。所述方向直方圖計算模塊903，對于影像中的每一個特征點，計算該特征點周圍 8X8個點的梯度和梯度方向。將這8X8個點以特征點為圓心，按照所在象限分為四組，將 每一組中的4X4個點的梯度方向分為八組，例如梯度方向在0°和45°之間的分在第一 組，以此類推。分別統計這64個點落入4X8個組中的點數，從而構成該特征點的方向直方 圖。所述特征點的自動匹配模塊904，對于第一幅影像中的每一個特征點，在第二幅影 像中以該特征點坐標為中心，在其周圍給定的閾值范圍內搜索特征點。在搜索到的第二幅 影像的特征點中找出其方向直方圖與第一幅影像中該特征點P1的方向直方圖距離最短的 兩個特征點P2和P' 2。該距離用兩幅影像特征點的方向直方圖所對應的32個組的差值的 平方和再開方進行計算。判斷搜索到的第二幅影像的特征點個數是否大于給定閾值。如果是，則將在第二 幅影像中方向直方圖與第一幅影像中該特征點P1的方向直方圖距離最短的特征點P2確定 為P1的匹配點，并計算兩個特征點間的相似度。該相似度的計算方法為計算第一幅影像中該特征點P1在第二幅影像中所對應的 次接近點P' 2與？1的方向直方圖之間的距離，和P1在第二幅影像中所對應的匹配點P2與 P1的方向直方圖之間的距離之比。同理可得出對于第二幅影像中的特征點，尋找其在第一幅影像中的匹配點的方 法。對于第一幅影像中的每一個特征點，如果該特征點P1與其在第二幅影像中的匹配 點P2所對應的其在第一幅影像中的匹配點；^一致，并且P1和P2在兩幅影像中的相似度都 大于給定閾值，則認為P1和P2匹配成功，并稱其為一個特征點對。所述控制點排序模塊905，將特征點對按照這兩個點相似度的乘積大小進行排序。所述影像配準和跟蹤模塊906，按照特征點對的順序，分別計算每一特征點對與其 前面的特征點對的偏移矢量的兩個分量的距離。如果兩個分量的距離都小于給定閾值，則 把該特征點對歸入前面那個特征點對所在分組，并對該組計數加一；否則新建分組，并對該 組計數加一。如果某一組的計數首先達到設定的閾值，則把該組的偏移矢量確定為兩幅影 像間的偏移矢量。因此，容易理解，以上所述僅為本發明的較佳實施例，并非用于限定本發明的精神 和保護范圍，任何熟悉本領域的技術人員所做出的等同變化或替換，都應視為涵蓋在本發 明的保護范圍之內。
權利要求
一種自動識別特征點的醫用影像跟蹤技術，其特征在于，該方法包括計算影像各像素的特征維度并確定特征點；計算特征點的方向直方圖，并進行影像間特征點的匹配；對匹配上的特征點對進行分組，得到影像間在各自由度上的偏移矢量。
2.根據權利要求1所述的方法，其特征在于，所述計算影像各像素的特征維度并確定 特征點之前進一步包括對于影像中的每一個像素，計算該像素周圍3X3個點(包括自身)的梯度，從而構建 該像素的2X9階梯度矩陣；
3.根據權利要求1所述的方法，其特征在于，所述計算影像各像素的特征維度并確定 特征點的方法為對于影像中的每一個像素，計算該像素的梯度矩陣與其轉置的乘積，得到2X2階的矩 陣，并計算該矩陣的特征值。當兩個特征值的絕對值大小均大于等于給定閾值時，將該像素加入特征點列； 當兩個特征值的絕對值大小至少有一個小于給定閾值時，該像素不被加入特征點列。
4.根據權利要求1所述的方法，其特征在于，所述計算特征點的方向直方圖的方法為 對于影像中的每一個特征點，計算該特征點周圍8X8個點的梯度和梯度方向。將這8X8個點以特征點為圓心，按照所在象限分為四組，將每一組中的4X4個點的梯度方向分 為八組，例如梯度方向在0°和45°之間的分在第一組，以此類推。分別統計這64個點落 入4 X 8個組中的點數，從而構成該特征點的方向直方圖。
5.根據權利要求1所述的方法，其特征在于，所述影像間特征點的匹配方法為 對于第一幅影像中的特征點，尋找其在第二幅影像中的匹配點；對于第二幅影像中的特征點，尋找其在第一幅影像中的匹配點； 找出兩幅影像間相互匹配的特征點對。
6.根據權利要求5所述的方法，其特征在于，所述對于第一幅影像中的特征點，尋找其 在第二幅影像中的匹配點的方法為對于第一幅影像中的每一個特征點，在第二幅影像中以該特征點坐標為中心，在其周 圍給定的閾值范圍內搜索特征點。在搜索到的第二幅影像的特征點中找出其方向直方圖與 第一幅影像中該特征點Pi的方向直方圖距離最短的兩個特征點P2和P' 2。該距離用兩幅 影像特征點的方向直方圖所對應的32個組的差值的平方和再開方進行計算。判斷搜索到的第二幅影像的特征點個數是否大于給定閾值。如果是，則將在第二幅影 像中方向直方圖與第一幅影像中該特征點Pl的方向直方圖距離最短的特征點P2確定為Pl 的匹配點，并計算兩個特征點間的相似度。該相似度的計算方法為計算第一幅影像中該特征點？1在第二幅影像中所對應的次接 近點P' 2與Pl的方向直方圖之間的距離，和Pl在第二幅影像中所對應的匹配點P2與Pl的 方向直方圖之間的距離之比。同理可得出對于第二幅影像中的特征點，尋找其在第一幅影像中的匹配點的方法。
7.根據權利要求5所述的方法，其特征在于，所述找出兩幅影像間相互匹配的特征點 對的方法為對于第一幅影像中的每一個特征點，如果該特征點Pl與其在第二幅影像中的匹配點P2所對應的其在第一幅影像中的匹配點/^一致，并且pJPp2在兩幅影像中的相似度都大于給 定閾值，則認為Pl和P2匹配成功，并稱其為一個特征點對。
8.根據權利要求1所述的方法，其特征在于，所述對特征點對進行分組的方法之前進 一步包括將特征點對按照這兩個點相似度的乘積大小進行排序。
9.根據權利要求1所述的方法，其特征在于，所述對特征點對進行分組的方法為按照特征點對的順序，分別計算每一特征點對與其前面的特征點對的偏移矢量的兩個 分量的距離。如果兩個分量的距離都小于給定閾值，則把該特征點對歸入前面那個特征點對所在分 組，并對該組計數加一；否則新建分組，并對該組計數加一。如果某一組的計數首先達到設定的閾值，則把該組的偏移矢量確定為兩幅影像間的偏移矢量。
10.一種醫用影像跟蹤的裝置，其特征在于，該裝置包括梯度矩陣構建模塊，特征點 的自動識別模塊，方向直方圖計算模塊，特征點的自動匹配模塊，特征點排序模塊，影像配 準和跟蹤模塊。所述梯度矩陣構建模塊，對于影像中的每一個像素，計算該像素周圍3X3個點(包括 自身)的梯度，從而構建該像素的2X9階梯度矩陣；所述特征點的自動識別模塊，對于影像中的每一個像素，計算該像素的梯度矩陣與其 轉置的乘積，得到2X2階的矩陣，并計算該矩陣的特征值。當兩個特征值的絕對值大小均 大于等于給定閾值時，將該像素加入特征點列；當兩個特征值的絕對值大小至少有一個小 于給定閾值時，該像素不被加入特征點列。所述方向直方圖計算模塊，對于影像中的每一個特征點，計算該特征點周圍8X8個點 的梯度和梯度方向。將這8X8個點以特征點為圓心，按照所在象限分為四組，將每一組中 的4X4個點的梯度方向分為八組，例如梯度方向在0°和45°之間的分在第一組，以此類 推。分別統計這64個點落入4X8個組中的點數，從而構成該特征點的方向直方圖。所述特征點的自動匹配模塊，對于第一幅影像中的每一個特征點，在第二幅影像中以 該特征點坐標為中心，在其周圍給定的閾值范圍內搜索特征點。在搜索到的第二幅影像的 特征點中找出其方向直方圖與第一幅影像中該特征點Pl的方向直方圖距離最短的兩個特 征點2。該距離用兩幅影像特征點的方向直方圖所對應的32個組的差值的平方和 再開方進行計算。判斷搜索到的第二幅影像的特征點個數是否大于給定閾值。如果是，則將在第二幅影 像中方向直方圖與第一幅影像中該特征點Pl的方向直方圖距離最短的特征點P2確定為Pl 的匹配點，并計算兩個特征點間的相似度。該相似度的計算方法為計算第一幅影像中該特征點？1在第二幅影像中所對應的次接 近點P' 2與Pl的方向直方圖之間的距離，和Pl在第二幅影像中所對應的匹配點P2與Pl的 方向直方圖之間的距離之比。同理可得出對于第二幅影像中的特征點，尋找其在第一幅影像中的匹配點的方法。 對于第一幅影像中的每一個特征點，如果該特征點Pl與其在第二幅影像中的匹配點P2 所對應的其在第一幅影像中的匹配點—致，并且pjPp2在兩幅影像中的相似度都大于給定閾值，則認為Pl和P2匹配成功，并稱其為一個特征點對。所述控制點排序模塊，將特征點對按照這兩個點相似度的乘積大小進行排序。 所述影像配準和跟蹤模塊，按照特征點對的順序，分別計算每一特征點對與其前面的 特征點對的偏移矢量的兩個分量的距離。如果兩個分量的距離都小于給定閾值，則把該特 征點對歸入前面那個特征點對所在分組，并對該組計數加一；否則新建分組，并對該組計數 加一。如果某一組的計數首先達到設定的閾值，則把該組的偏移矢量確定為兩幅影像間的 偏移矢量。本發明的影像跟蹤的方法和裝置，兼備良好的檢測效果和較快的檢測速度。
全文摘要
本發明公開了一種自動識別特征點的醫用影像跟蹤技術，涉及影像配準技術，能夠利用影像本身的信息進行腫瘤的實時跟蹤，具體包括特征點的自動識別計算影像各像素的特征維度并確定特征點；特征點的自動匹配計算特征點的方向直方圖，并進行影像之間特征點的匹配；影像配準和跟蹤對匹配上的特征點對進行分組，得到影像間在各自由度上的偏移矢量。本發明還同時公開了一種醫用影像跟蹤的裝置，包括梯度矩陣構建模塊，特征點的自動識別模塊，方向直方圖計算模塊，特征點的自動匹配模塊，特征點排序模塊，影像配準和跟蹤模塊。本發明的影像跟蹤的方法和裝置可以廣泛應用于各種醫療系統。
文檔編號G06T7/20GK101926676SQ20091014819
公開日2010年12月29日 申請日期2009年6月25日 優先權日2009年6月25日
發明者謝耀欽 申請人:謝耀欽