matlab非刚性配准,基于图像特征和Demons的非刚性图像配准方法与流程

本发明属于图像处理领域，具体涉及一种基于图像特征和Demons的非刚性图像配准方法。

背景技术：

图像配准技术是将不同获取时间(Time)、不同传感器(Sensor)、不同获取条件(Condition)的同一场景(Scene)或同一目标(Object)的两幅或者多幅图像进行匹配的过程，被广泛应用于医学图像处理，遥感图像处理等方面。在医学图像的配准中，需要配准的两幅图像之间通常会发生较大的非均匀形变，因此非刚性图像配准技术是医学图像处理研究的热点问题。现阶段非刚性图像配准的方法主要分为基于图像特征的配准方法和基于图像灰度的配准方法。基于图像特征的配准方法速度较快，但是对于特征不明显的图像有局限性；基于图像灰度的配准方法可以对小形变的图像进行高精度的配准，但配准时间较长。

基于图像特征的配准，是以提取反映图像重要信息的特征为依据，寻找配准参数，使相似性测度最大。现阶段基于图像特征的经典方法有：SIFT(Scale-invariant Feature Transform)方法和SURF(Speeded-Up Robust Features)方法。

基于图像灰度的配准方法，首先利用图像的像素或体素构成特征空间，然后根据灰度值的统计信息计算相似性测度，求得配准参数，实现图像配准。基于灰度方法中光流场模型法是近年来研究的热点，主要利用光流模型，通过对各像素点瞬时速度矢量信息的计算，估计出变形场，实现图像的配准。1998年，Th