本發(fā)明涉及數(shù)字圖像處理
技術(shù)領(lǐng)域：
，特別涉及一種基于波段掃描形式的活體高光譜序列圖像并行配準(zhǔn)方法。
背景技術(shù)：
：高光譜成像技術(shù)結(jié)合了光學(xué)成像與光譜技術(shù)，能夠在電磁波譜的紫外、可見(jiàn)光、近紅外和中紅外光譜范圍內(nèi)連續(xù)獲取多波段的圖像，被廣泛應(yīng)用于遙感、軍事領(lǐng)域中。高光譜圖像包含有圖像信息和光譜信息，在生物醫(yī)學(xué)領(lǐng)域同樣顯示出廣闊的應(yīng)用前景，能夠?qū)崿F(xiàn)生物組織形態(tài)、結(jié)構(gòu)以及成分含量與分布的綜合分析與描述，目前已被應(yīng)用到組織樣本病理檢測(cè)、中西醫(yī)疾病診斷、腫瘤發(fā)生發(fā)展機(jī)理探索等方面。然而，應(yīng)用高光譜成像技術(shù)采集活體組織的高光譜圖像數(shù)據(jù)時(shí)，例如小鼠、人體等，盡管采用固定裝置或進(jìn)行麻醉處理，但由于測(cè)量對(duì)象本身的呼吸或不自主的抽搐等，采集部位不可避免的會(huì)產(chǎn)生移動(dòng)。對(duì)于基于波段掃描形式的高光譜成像系統(tǒng)，例如基于AOTF(Acousto-opticTurnableFilter)分光形式的系統(tǒng)，實(shí)現(xiàn)連續(xù)波段的圖像掃描，圖像數(shù)量達(dá)到幾十個(gè)甚至幾百個(gè)，采集需要耗費(fèi)時(shí)間長(zhǎng)，導(dǎo)致不同波段間圖像之間存在不匹配的現(xiàn)象。為了確保提取到正確的光譜信息，需要對(duì)高光譜圖像進(jìn)行配準(zhǔn)。現(xiàn)有圖像配準(zhǔn)方法中，基于區(qū)域的配準(zhǔn)方法，實(shí)現(xiàn)簡(jiǎn)單且具備較高的配準(zhǔn)精度，但這種方法適用于配準(zhǔn)灰度信息、尺度和旋轉(zhuǎn)角差別不大的圖像，對(duì)于高光譜圖像不同波段灰度差異較大這種特性難以適用，另外這種方法需要利用全部的圖像灰度信息，對(duì)高空間分辨率的高光譜圖像而言無(wú)法滿(mǎn)足實(shí)時(shí)性的要求。基于特征的配準(zhǔn)方法，將對(duì)整個(gè)圖像的分析轉(zhuǎn)化為某種特征分析，大大降低了計(jì)算量。尺度不變特征變換(scaleinvariantfeaturetransform，SIFT)算法對(duì)灰度變化、旋轉(zhuǎn)、縮放甚至放射變換等具有不變性的優(yōu)點(diǎn)，但計(jì)算量較大，耗時(shí)長(zhǎng)。在SIFT基礎(chǔ)上提出的SURF(Speed-uprobustfeatures)配準(zhǔn)算法，性能較好且提高了配準(zhǔn)速度，但對(duì)于幾十甚至幾百個(gè)圖像配準(zhǔn)時(shí)，仍然難以滿(mǎn)足實(shí)時(shí)性的要求，且配準(zhǔn)的精度也需要進(jìn)一步提高。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的發(fā)明目的在于提供一種基于波段掃描形式的活體高光譜序列圖像并行配準(zhǔn)方法，該方法能夠有效地提高光譜序列圖像配準(zhǔn)的精度與速度。實(shí)現(xiàn)本發(fā)明的技術(shù)方案是：一種基于波段掃描形式的活體高光譜序列圖像并行配準(zhǔn)方法，所述方法包括以下步驟：(1)讀取高光譜圖像，采用中值濾波法去除高光譜圖像的異常點(diǎn)；(2)以5-10波段數(shù)為步長(zhǎng)將高光譜序列圖像劃分為多個(gè)區(qū)間，每個(gè)區(qū)間任意選取一個(gè)波段圖像作為區(qū)間參考圖像；(3)以前一個(gè)相鄰區(qū)間參考圖像為基準(zhǔn)依次對(duì)所有區(qū)間參考圖像采用改進(jìn)的基于特征點(diǎn)的方法進(jìn)行配準(zhǔn)，并提取配準(zhǔn)后區(qū)間參考圖像的特征點(diǎn)；(4)采用并行算法同步實(shí)現(xiàn)所有區(qū)間內(nèi)除參考圖像的其他波段圖像的特征點(diǎn)提取，并利用對(duì)應(yīng)區(qū)間配準(zhǔn)后區(qū)間參考圖像的特征點(diǎn)采用所述改進(jìn)的基于特征點(diǎn)的方法進(jìn)行配準(zhǔn)。所述讀取高光譜圖像，采用中值濾波法去除高光譜圖像的異常點(diǎn)的步驟具體為：讀取高光譜圖像I0(x,y,λ)，其中λ為波段號(hào)；采用中值濾波法對(duì)每個(gè)波段的高光譜圖像I0λ(x,y)進(jìn)行濾波去除異常點(diǎn)，其中中值濾波的窗口大小設(shè)置為3×3。所述以5-10波段數(shù)為步長(zhǎng)將高光譜序列圖像劃分為多個(gè)區(qū)間，每個(gè)區(qū)間任意選取一個(gè)波段圖像作為區(qū)間參考圖像的步驟具體為：以5-10波段數(shù)為步長(zhǎng)將所述高光譜圖像劃分為n個(gè)區(qū)間，每個(gè)區(qū)間的高光譜圖像表示為I1(x,y,λ)、I2(x,y,λ)、…In(x,y,λ)；每個(gè)區(qū)間任意選取一個(gè)波段圖像作為區(qū)間參考圖像，記為Ir1(x,y)、Ir2(x,y)、…、Irn(x,y)。所述以前一個(gè)相鄰區(qū)間參考圖像為基準(zhǔn)依次對(duì)所有區(qū)間參考圖像采用改進(jìn)的基于特征點(diǎn)的方法進(jìn)行配準(zhǔn)，并提取配準(zhǔn)后區(qū)間參考圖像的特征點(diǎn)的步驟具體為：所述區(qū)間參考圖像Ir1(x,y)不進(jìn)行配準(zhǔn)；所述區(qū)間參考圖像Ir2(x,y)作為待配準(zhǔn)圖像，以Ir1(x,y)為基準(zhǔn)圖像采用改進(jìn)的基于特征點(diǎn)的方法進(jìn)行配準(zhǔn)，配準(zhǔn)后的參考圖像為Ir2(x,y)’，并保存參考圖像Ir1(x,y)的特征點(diǎn)，記為FR1；所述區(qū)間參考圖像Ir3(x,y)作為待配準(zhǔn)圖像，以所述配準(zhǔn)后的參考圖像Ir2(x,y)’為基準(zhǔn)圖像采用改進(jìn)的基于特征點(diǎn)的方法進(jìn)行配準(zhǔn)，配準(zhǔn)后的參考圖像為Ir3(x,y)’，并保存配準(zhǔn)后的參考圖像Ir2(x,y)’的特征點(diǎn)，記為FR2，其他區(qū)間參考圖像的配準(zhǔn)依次類(lèi)推；最后，提取并保存配準(zhǔn)后的參考圖像Irn(x,y)’的特征點(diǎn)，記為FRn。進(jìn)一步，所述改進(jìn)的基于特征點(diǎn)的方法進(jìn)行配準(zhǔn)，具體過(guò)程為：采用SURF(Speed-uprobustfeatures)算法提取所述基準(zhǔn)圖像與所述待配準(zhǔn)圖像的特征點(diǎn)，若已提取特征點(diǎn)，此步驟省略；通過(guò)相似性度量準(zhǔn)則進(jìn)行所述特征點(diǎn)的粗匹配；判斷匹配特征點(diǎn)數(shù)目是否小于預(yù)設(shè)值，若小于則對(duì)待匹配圖像進(jìn)行增強(qiáng)處理，并重復(fù)所述特征提取與所述粗匹配的過(guò)程；預(yù)設(shè)兩幅圖像之間偏移的范圍，并以此進(jìn)一步刪除錯(cuò)誤匹配特征點(diǎn)；通過(guò)匹配的特征點(diǎn)計(jì)算圖像空間幾何變換矩陣，并實(shí)現(xiàn)所述待配準(zhǔn)圖像的配準(zhǔn)。所述采用并行算法同步實(shí)現(xiàn)所有區(qū)間內(nèi)除參考圖像的其他波段圖像的特征點(diǎn)提取，并利用對(duì)應(yīng)區(qū)間配準(zhǔn)后區(qū)間參考圖像的特征點(diǎn)采用所述改進(jìn)的基于特征點(diǎn)的方法進(jìn)行配準(zhǔn)的步驟具體為：對(duì)于所有區(qū)間內(nèi)除參考圖像的其他波段圖像通過(guò)所述SURF(Speed-uprobustfeatures)算法提取特征點(diǎn)；以對(duì)應(yīng)區(qū)間配準(zhǔn)后區(qū)間參考圖像為基準(zhǔn)圖像，利用配準(zhǔn)后區(qū)間參考圖像的特征點(diǎn)(FR1、FR2、…、FRn)，進(jìn)一步采用所述改進(jìn)的基于特征點(diǎn)的方法對(duì)除參考圖像外其他波段圖像進(jìn)行配準(zhǔn)；對(duì)于所有區(qū)間內(nèi)除區(qū)間參考圖像外的其他波段圖像的配準(zhǔn)，采用并行算法同步實(shí)現(xiàn)。本發(fā)明提供的技術(shù)方案的有益效果是：本發(fā)明所提出的一種基于波段掃描形式的活體高光譜序列圖像并行配準(zhǔn)方法，在配準(zhǔn)方法上基于SURF算法，進(jìn)一步通過(guò)圖像增強(qiáng)方法提高高光譜圖像的特征點(diǎn)，根據(jù)圖像不匹配程度去除誤匹配點(diǎn)，提高配準(zhǔn)精度；在高光譜序列圖像配準(zhǔn)方法上，通過(guò)將高光譜序列圖像劃分為多個(gè)區(qū)間，以區(qū)間內(nèi)固定參考圖像為基準(zhǔn)進(jìn)行配準(zhǔn)，與序列相鄰圖像配準(zhǔn)方法相比進(jìn)一步降低求取特征點(diǎn)次數(shù)，且能夠通過(guò)并行算法同步實(shí)現(xiàn)所有區(qū)間內(nèi)圖像配準(zhǔn)，從而大幅度提高高光譜序列圖像的配準(zhǔn)效率。附圖說(shuō)明圖1為本發(fā)明的流程圖；圖2為本發(fā)明提供的區(qū)間參考圖像配準(zhǔn)方法流程圖；圖3為本發(fā)明提供的改進(jìn)的基于特征點(diǎn)的配準(zhǔn)方法流程圖；圖4為本發(fā)明提供的采用并行算法同步實(shí)現(xiàn)所有區(qū)間內(nèi)除參考圖像外的其他波段圖像配準(zhǔn)的流程圖。具體實(shí)施方式為了更加清楚明白地說(shuō)明本發(fā)明所述的技術(shù)手段、技術(shù)改進(jìn)及有益效益，以下結(jié)合附圖對(duì)本發(fā)明進(jìn)行詳細(xì)的說(shuō)明。本發(fā)明所提供的一種基于波段掃描形式的活體高光譜序列圖像并行配準(zhǔn)方法，參見(jiàn)圖1、圖2、圖3和圖4，包括以下步驟：S101：讀取高光譜圖像，采用中值濾波法去除高光譜圖像的異常點(diǎn)。該步驟具體為：讀取高光譜圖像I0(x,y,λ)，其中λ為波段號(hào)；采用中值濾波法依次對(duì)每個(gè)波段的高光譜圖像I0λ(x,y)進(jìn)行濾波去除異常點(diǎn)，其中中值濾波的窗口大小設(shè)置為3×3。S102：以5-10波段數(shù)為步長(zhǎng)將高光譜序列圖像劃分為多個(gè)區(qū)間，每個(gè)區(qū)間選取任意一個(gè)波段圖像作為區(qū)間參考圖像。該步驟具體為：以5-10波段數(shù)為步長(zhǎng)將所述高光譜圖像劃分為n個(gè)區(qū)間，每個(gè)區(qū)間的高光譜圖像表示為I1(x,y,λ)、I2(x,y,λ)、…In(x,y,λ)；每個(gè)區(qū)間選取一個(gè)波段圖像作為區(qū)間參考圖像，記為Ir1(x,y)、Ir2(x,y)、…、Irn(x,y)。S103：以前一個(gè)相鄰區(qū)間參考圖像為基準(zhǔn)依次對(duì)所有區(qū)間參考圖像采用改進(jìn)的基于特征點(diǎn)的方法進(jìn)行配準(zhǔn)，并提取配準(zhǔn)后區(qū)間參考圖像的特征點(diǎn)。該步驟參見(jiàn)圖2所示流程圖，具體過(guò)程為：所述區(qū)間參考圖像Ir1(x,y)不進(jìn)行配準(zhǔn)，直接保存到配準(zhǔn)結(jié)果I(x,y,λ)’的對(duì)應(yīng)波段位置；所述區(qū)間參考圖像Ir2(x,y)作為待配準(zhǔn)圖像，以Ir1(x,y)為基準(zhǔn)圖像采用改進(jìn)的基于特征點(diǎn)的方法進(jìn)行配準(zhǔn)，配準(zhǔn)后的參考圖像為Ir2(x,y)’，保存到配準(zhǔn)結(jié)果I(x,y,λ)’的對(duì)應(yīng)波段位置，并保存參考圖像Ir1(x,y)的特征點(diǎn)，記為FR1；所述區(qū)間參考圖像Ir3(x,y)作為待配準(zhǔn)圖像，以所述配準(zhǔn)后的參考圖像Ir2(x,y)’為基準(zhǔn)圖像采用改進(jìn)的基于特征點(diǎn)的方法進(jìn)行配準(zhǔn)，配準(zhǔn)后的參考圖像為Ir3(x,y)’，保存到配準(zhǔn)結(jié)果I(x,y,λ)’的對(duì)應(yīng)波段位置，并保存配準(zhǔn)后的參考圖像Ir2(x,y)’的特征點(diǎn)，記為FR2，其他區(qū)間參考圖像的配準(zhǔn)依次類(lèi)推；最后，提取并保存配準(zhǔn)后的參考圖像Irn(x,y)’的特征點(diǎn)，記為FRn。進(jìn)一步，所述改進(jìn)的基于特征點(diǎn)的方法進(jìn)行配準(zhǔn)，參見(jiàn)圖3所示流程圖，具體過(guò)程為：采用SURF(Speed-uprobustfeatures)算法提取所述基準(zhǔn)圖像與所述待配準(zhǔn)圖像的特征點(diǎn)，若已提取特征點(diǎn)，此步驟省略，其步驟為：使用Hessian矩陣來(lái)確定圖像中特征點(diǎn)的位置，其中矩陣中的高斯二階偏導(dǎo)數(shù)用方框卷積濾波器來(lái)近似代替，并利用積分圖像來(lái)提高方框?yàn)V波器的運(yùn)算速度；再運(yùn)用三維尺度空間和非最大值抑制，確定特征點(diǎn)；最后運(yùn)用Haar小波，確定特征點(diǎn)方向特征和特征點(diǎn)描述子向量；若事先已提取特征點(diǎn)，則不需要再進(jìn)行特征點(diǎn)的提取。通過(guò)相似性度量準(zhǔn)則進(jìn)行所述特征點(diǎn)的粗匹配，其步驟為：設(shè)兩幅圖像的特征點(diǎn)描述子向量集合為F1、F2，對(duì)于F1中特征點(diǎn)描述子向量f1i，計(jì)算它到F2的所有特征點(diǎn)描述子向量的歐式距離，并取最小歐式距離為dij(對(duì)應(yīng)F2中的特征點(diǎn)描述子向量f2j)、次最小歐式距離為dij’(對(duì)應(yīng)F2中的特征點(diǎn)描述子向量f2j’)。當(dāng)dij和dij’的比值小于某一閾值(如可設(shè)為0.6)時(shí)，認(rèn)為該特征點(diǎn)與對(duì)應(yīng)f2j的特征點(diǎn)是匹配的。判斷匹配特征點(diǎn)數(shù)目是否小于預(yù)設(shè)值，若小于則對(duì)待匹配圖像進(jìn)行增強(qiáng)處理，并重復(fù)所述特征提取與所述粗匹配的過(guò)程；其中，所述圖像增強(qiáng)處理采用對(duì)比度受限自適應(yīng)直方圖均衡方法。根據(jù)活體組織高光譜圖像特性，預(yù)設(shè)兩幅圖像之間偏移的范圍，記為T(mén)hr，并以Thr為閾值進(jìn)一步刪除錯(cuò)誤匹配特征點(diǎn)，提高配準(zhǔn)的準(zhǔn)確率；通過(guò)匹配的特征點(diǎn)計(jì)算圖像空間幾何變換矩陣，并實(shí)現(xiàn)對(duì)所述待配準(zhǔn)圖像的配準(zhǔn)。幾何變換矩陣計(jì)算方法如下：設(shè)p＝(x1,y1)，q＝(x2,y2)是匹配的特征點(diǎn)對(duì)，其中x1和y1是基準(zhǔn)圖像特征點(diǎn)在圖像中對(duì)應(yīng)橫坐標(biāo)和縱坐標(biāo)的值，x2和y2是待配準(zhǔn)圖像特征點(diǎn)在圖像中對(duì)應(yīng)橫坐標(biāo)和縱坐標(biāo)的值，則有：x1y11=m1m2m3m4m5m6001×x2y21]]>從而可得幾何變換矩陣為：M=m1m2m3m4m5m6001]]>S104：采用并行算法同步實(shí)現(xiàn)所有區(qū)間內(nèi)除參考圖像的其他波段圖像的特征點(diǎn)提取，并利用對(duì)應(yīng)區(qū)間配準(zhǔn)后區(qū)間參考圖像的特征點(diǎn)采用所述改進(jìn)的基于特征點(diǎn)的方法進(jìn)行配準(zhǔn)。參見(jiàn)圖4所示流程圖，該步驟具體為：對(duì)于所有區(qū)間內(nèi)除參考圖像的其他波段圖像通過(guò)所述SURF(Speed-uprobustfeatures)算法提取特征點(diǎn)；以對(duì)應(yīng)區(qū)間配準(zhǔn)后區(qū)間參考圖像為基準(zhǔn)圖像，利用配準(zhǔn)后區(qū)間參考圖像的特征點(diǎn)(FR1、FR2、…、FRn)，進(jìn)一步采用所述改進(jìn)的基于特征點(diǎn)的方法對(duì)該區(qū)間除參考圖像外其他波段圖像進(jìn)行配準(zhǔn)，并保存到配準(zhǔn)結(jié)果I(x,y,λ)’的對(duì)應(yīng)位置；對(duì)于所有區(qū)間內(nèi)除區(qū)間參考圖像外的其他波段圖像的配準(zhǔn)，采用并行算法同步實(shí)現(xiàn)。綜上所述，本發(fā)明所提出的一種基于波段掃描形式的活體高光譜序列圖像并行配準(zhǔn)方法，在配準(zhǔn)方法上基于SURF算法，進(jìn)一步通過(guò)圖像增強(qiáng)方法提高高光譜圖像的特征點(diǎn)，并根據(jù)圖像不匹配程度去除誤匹配點(diǎn)，從而提高配準(zhǔn)精度；在高光譜序列圖像配準(zhǔn)方法上，通過(guò)將高光譜序列圖像劃分為多個(gè)區(qū)間，以區(qū)間內(nèi)固定參考圖像進(jìn)行配準(zhǔn)，與序列相鄰圖像配準(zhǔn)方法相比進(jìn)一步降低求取特征點(diǎn)次數(shù)，且能夠通過(guò)并行算法同步實(shí)現(xiàn)區(qū)間內(nèi)圖像配準(zhǔn)，大幅度提高高光譜序列圖像的配準(zhǔn)效率。利用本發(fā)明方法為后續(xù)利用高光譜數(shù)據(jù)進(jìn)行組織分析提供有效數(shù)據(jù)。根據(jù)不同的應(yīng)用背景，本發(fā)明經(jīng)過(guò)適當(dāng)?shù)男薷耐瑯舆m用于其他相關(guān)領(lǐng)域的高光譜圖像配準(zhǔn)。以上所述僅為本發(fā)明的較佳實(shí)施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁(yè)1 2 3