基于双向异步投票策略的医学图像特征点匹配

摘要：图像特征点匹配作为图像处理领域的一项基本技术，在临床医学图像处理中具有很重要的意义，本文根据医学图像的特点提出一种基于双向异步投票策略的特征点匹配方法。首先，利用改进的harris角点检测算子提取图像角点作为图像的特征点；接着，采用本文提出的基于双向异步的投票策略的角点匹配算法来完成角点的粗匹配，使待拼接图像的特征点大致对应；然后利用RANSAC优化算法剔除误匹配，使特征点达到精确匹配。

关键词：特征点匹配；投票策略；图像拼接

医学影像学是现代医学的主要组成部分之一，医学图像是医生用来诊断疾病和确定治疗方案的主要依据之一。医学图像配准、医学图像拼接以及医学图像的三维重建等图像处理技术具有重要的临床应用价值。图像特征点不仅能反映图像的大致轮廓，而且对噪声、角度、尺度等不敏感，并能大大较少计算量，因此基于特征点的配准、拼接等技术应用较为广泛[1，2]。但这些技术的关键在于如何提取图像特征点，以及如何使特征点达到精确匹配。

医学图像与其它图像相比，具有噪声大、图像细节多、对比度低等特点，本文采用对噪声、旋转不敏感的Harris改进算法[3，4]提取图像的角点作为特征点。另外，人体解剖结构存在相似性及对称性，因此采用一般的方法很难做到特征点的精确匹配，从而严重影响图像的后期处理。根据医学解剖图像的空间几何变换属于刚体变换[5]或近视为刚体变换，如脊柱、骨骼以及颅骨固定的大脑等图像，本文提出一种基于双向异步投票策略的特征点匹配算法。

1 角点投票策略

1.1投票策略 投票选举[6]是生活中很常见的一种选举方法，属于社会选择理论，且取得了很大的成效。由于两个特征空间内的角点匹配问题，从某种角度讲可以认为角点匹配就是待配准图像的角点之间按照某种规则进行一一选择。基于此，我们将投票策略应用于角点匹配当中，且算法的有效性已经得到钱为等人[5]的证明。具体思想如下。

首先对投票选举进行角色分配，如表1所示。

投票标准：特征空间A中角点间距离与特征空间B中角点间距离相等的个数作为每个候选者针对每个竞争职位所得的票数，票数最多着为相应职位的胜出者。

投票规则：采用黑盒式投票，即每个候选者均可参与全程职位竞争，且每个在一个职位竞争中胜出者仍可参与其它职位的竞争，即投票过程当中，不进行投票结果的揭露。

根据文献[5]可得具体投票思想如图1所示。

当然，此种投票方式很可能出现"一对多"的现象，并不能使各角点达到一一对应，也会严重影响优化最佳变换模型的速度。基于此问题，本文提出如下的基于双向异步投票的思想进行角点匹配。

1.2基于双向异步投票策略的角点匹配 所谓"双向"投票是指两个特征空间互相对对方投票选择，即当表1中的"候选者"对"竞选职位"可进行角色互换，彼此对对方进行竞选。若所有的成员都参与两轮竞选的话，尤其是孤立的特征点（没有与之匹配的角点）或者噪声点的参与，会严重影响角点匹配过程的计算速度。基于此问题，本文提出"双向竞选"需建立在异步的基础上，即必须在第一轮竞选结束后，才能进行角色互换，并且在角色互换前应剔除一些已经筛选出来的孤立点和噪声点。异步双向投票的示意图如图2所示。

具体实现步骤如下所述。

1.2.1按照图1所示的投票竞选流程图所示进行第一轮投票竞选，并暂时保存第一轮"投票竞选"结果。

1.2.2剔除特征空间B中的孤立点：因为是以A中所有点作为"竞选职位"进行投票，那么通过第一轮竞选后，B中未找到与之匹配的点可认为是孤立点，剔除孤立点后的特征空间B另记为新的特征空间B'，但要保留特征点原来的序号。

1.2.3第二轮投票竞选：此轮投票可按照以下步骤进行。

1.2.3.1重新分配投票当中的角色：将特征空间B'作为"竞选职位"，特征空间A为"候选者"，其他角色不变。

1.2.3.2计算特征空间B'内各个角点间的欧式距离矩阵 T。

1.2.3.3扫描第一轮的投票结果，若显示A中Pi与B中^Pj匹配，那么就比较R中第i行与 T中各行相等的元素个数，若^Pj所得票数最多，那么可以确定Pi 与^Pj成功匹配，不再参与其他角点的匹配；若不成功，则进行其他点的投票匹配。

1.2.3.4第二轮投票结束后，若还存在"一对多"的现象，可剔除A中孤立点，将新的特征空间记为A'，然后按照步骤1～3进行二次投票。

由于我们在角点提取的时候，加入了区域因子和距离因子，因此在实际的角点匹配当中，步骤3结束就会准确找出一一对应的匹配点。

2 结果与讨论

对来自医学影像技术论坛的两幅待拼图像进行试验结果如下。采用单向投票以及异步双向投票策略进行的角点匹配结果如图3、图4所示。

在角点初始匹配的基础上，采用RANSAC算法剔除误匹配，并优化估计出最佳变换模型，角点最终匹配结果如图5所示。

从图3、图4可以明显看出，单向投票策略中避免不了"一对多"的现象发生；而基于异步双向投票的角点匹配算法避开了"一对多"的现象，并且算法中并没采用"二次投票"。本实验中的异步双向投票策略角点匹配算法的运行时间只需几毫秒（采用VC++6.0编程）。。

3 结论

本文根据医学图像的特点，提出的基于双向异步投票策略的角点匹配算法不仅能有效避免匹配当中的"一对多"现象，更能有效正确找出匹配点。并且粗匹配的高精度也有效减少了优化算法的工作量。

文中的基于双向异步投票策略的角点匹配算法，是采用像素点的欧氏距离作为投票标准，只能应用于图像的刚性变换。设想，利用仿射变换的性质：变换后平行关系不变，在文中投票算法中引入"方向一致性"或马氏距离作为投票标准，解决图像的仿射变换配准问题。

参考文献：

[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，FU 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.