一种荧光分子图像处理方法及系统

摘要

本发明提供了一种荧光分子图像处理方法及系统，获取内窥镜拍摄的RGB图像和NIR图像，提取RGB的灰度图像中像素值大于阈值的像素点并放入第一集合；提取NIR的灰度图像中像素值大于阈值的像素点并放入第二集合；分别对RGB的灰度图像的第一集合和NIR的灰度图像的第二集合中的像素点进行填充得到第一图像和第二图像；利用SIFT检测方法中DOG的极值点选取方法进行极值点提取，得到第一图像的第一极值点集合和第二图像的第二极值点集合；对第一、二极值点集合中极值点筛选；根据筛选后的极值点得到特征点以及特征点的特征向量，完成RGB图像和NIR图像的配准，实现二者的融合，提高了计算速度和配准精度。

权利要求

1.一种荧光分子图像处理方法，其特征在于，所述方法包括以下步骤：

步骤1，获取同一时刻拍摄的RGB图像和NIR图像，将RGB图像和NIR图像分别灰度化，得到RGB的灰度图像和NIR的灰度图像；提取所述RGB的灰度图像中像素值大于阈值的像素点并放入第一集合；提取所述NIR的灰度图像中像素值大于阈值的像素点并放入第二集合；

步骤2，采用腐蚀方法分别对RGB的灰度图像的第一集合和NIR的灰度图像的第二集合中的像素点进行填充得到第一图像和第二图像；利用SIFT检测方法中DOG的极值点选取方法对所述第一图像和所述第二图像进行极值点提取，得到所述第一图像的第一极值点集合和所述第二图像的第二极值点集合；

步骤3，根据第一极值点集合和第一集合中像素点的坐标对第一极值点集合中极值点筛选；根据第二极值点集合和第二集合中像素点的坐标对第二极值点集合中极值点筛选；

步骤4，根据SIFT检测方法中关键点选取方式从第一极值点集合和第二极值点集合中选取关键点，并获取关键点的特征向量，根据第一图像的关键点的特征向量和第二图像的关键点的特征向量完成RGB图像和NIR图像的配准。

2.如权利要求1所述的方法，其特征在于，所述步骤3具体为：

步骤31，对于第一极值点集合中的每个极值点，根据所述极值点的坐标计算所述极值点与第一集合中距离所述极值点最近的N个像素点的距离的平均值，若所述平均值小于第一预设值，则从第一极值点集合中剔除所述极值点，否则，在第一极值点集合中保留所述极值点；

步骤32，对于第二极值点集合中的每个极值点，根据所述极值点的坐标计算所述极值点与第二集合中距离所述极值点最近的N个像素点的距离的平均值，若所述平均值小于第二预设值，则从第二极值点集合中剔除所述极值点，否则，在第二极值点集合中保留所述极值点。

3.如权利要求2所述的方法，其特征在于，所述第一预设值的计算方法为：

计算所述RGB图像中非第一集合中像素点的个数与所述RGB图像中像素点个数的比值，根据所述比值与第一设定预设值得到第一预设值。

4.如权利要求2所述的方法，其特征在于，所述第二预设值的计算方法为：

计算所述NIR图像中非第二集合中像素点的个数与所述NIR图像中像素点个数的比值，根据所述比值与第二设定预设值得到第二预设值。

5.如权利要求1‑4任一项所述的方法，其特征在于，所述步骤4之后，还包括步骤5：提取NIR图像中荧光区域每个像素点像素值和坐标，根据配准变换方式对坐标进行变换，利用像素值大小融合到RGB图像中。

6.一种荧光分子图像处理系统，其特征在于，所述系统包括以下模块：

预处理模块，用于获取同一时刻拍摄的RGB图像和NIR图像，将RGB图像和NIR图像分别灰度化，得到RGB的灰度图像和NIR的灰度图像；提取所述RGB的灰度图像中像素值大于阈值的像素点并放入第一集合；提取所述NIR的灰度图像中像素值大于阈值的像素点并放入第二集合；

极值点获取模块，用于采用腐蚀方法分别对RGB的灰度图像的第一集合和NIR的灰度图像的第二集合中的像素点进行填充得到第一图像和第二图像；利用SIFT检测方法中DOG的极值点选取方法对所述第一图像和所述第二图像进行极值点提取，得到所述第一图像的第一极值点集合和所述第二图像的第二极值点集合；

极值点筛选模块，用于根据第一极值点集合和第一集合中像素点的坐标对第一极值点集合中极值点筛选；根据第二极值点集合和第二集合中像素点的坐标对第二极值点集合中极值点筛选；

配准模块，用于根据SIFT检测方法中关键点选取方式从第一极值点集合和第二极值点集合中选取关键点，并获取关键点的特征向量，根据第一图像的关键点的特征向量和第二图像的关键点的特征向量完成RGB图像和NIR图像的配准。

7.如权利要求6所述的系统，其特征在于，所述极值点筛选模块具体包括第一极值点筛选模块和第二极值点筛选模块：第一极值点筛选模块，对于第一极值点集合中的每个极值点，根据所述极值点的坐标计算所述极值点与第一集合中距离所述极值点最近的N个像素点的距离的平均值，若所述平均值小于第一预设值，则从第一极值点集合中剔除所述极值点，否则，在第一极值点集合中保留所述极值点；

第二极值点筛选模块，对于第二极值点集合中的每个极值点，根据所述极值点的坐标计算所述极值点与第二集合中距离所述极值点最近的N个像素点的距离的平均值，若所述平均值小于第二预设值，则从第二极值点集合中剔除所述极值点，否则，在第二极值点集合中保留所述极值点。

8.如权利要求7所述的系统，其特征在于，所述第一预设值的计算方法为：

计算所述RGB图像中非第一集合中像素点的个数与所述RGB图像中像素点个数的比值，根据所述比值与第一设定预设值得到第一预设值；

所述第二预设值的计算方法为：

计算所述NIR图像中非第二集合中像素点的个数与所述NIR图像中像素点个数的比值，根据所述比值与第二设定预设值得到第二预设值。

9.如权利要求6‑8任一项所述的系统，其特征在于，所述系统还包括图像融合模块；

所述图像融合模块，用于提取NIR图像中荧光区域每个像素点像素值和坐标，根据配准变换方式对坐标进行变换，利用像素值大小融合到RGB图像中。

10.一种计算机可读存储介质，所述可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如权利要求1‑5任一项所述的方法。

说明书

一种荧光分子图像处理方法及系统

技术领域

[0001] 本发明涉及医学图像处理领域，尤其涉及分子荧光影像处理方法及系统。

背景技术

[0002] 借助于医学成像技术，医生可以无创伤的观察患者身体状况，通过超声波、X光、MRI等拍摄的图像能够直接显示病灶区域图像，这对很多疾病的判断都有很大帮助，造影剂也广泛应用在医学成像上，最为人们熟知的是钡餐。和造影剂类似的还有荧光物质，通过荧光试剂标记细胞，荧光分子成像技术，即使用荧光试剂标记肿瘤细胞在术中成像，相对于一般的造影剂，荧光分子成像可以更精确的标记细胞，在肿瘤的切除手术中发挥着重要作用。吲哚菁绿（ICG）和亚甲基蓝（MB）是临床上常用的有机分子探针，通过近红外（NIR）摄像头和ICG即可显示出标记位置。

[0003] 但是近红外摄像头拍摄的图像和人类视觉图像有较大差别，为了便于医生在手术中观察标记位置，一种方式是双窗口显示，也即一个窗口显示普通摄像头拍摄的图像，另外一个窗口显示近红外摄像头拍摄的内容；另外一种方式是通过叠加的方式，将普通摄像头拍摄的图像和近红外摄像头拍摄的图像进行融合，叠加成最后的可视化图像。由于双窗口显示医生需要同时观察两个窗口并在切除时需要在近红外图像中确定位置，医生手术的效率比较低，而且容易出现误差。而通过叠加的方式医生直接观察一个图像即可，然而，叠加的方式虽然容易观察，但是需要精确的将普通摄像头拍摄的图像和近红外拍摄的图像叠加在一起。

[0004] 要想将NIR图像中荧光分子标记融合到RGB图像对应部分，就需要先对RGB图像和NIR图像进行配准，由于普通摄像头拍摄的是RGB图像，近红外摄像头拍摄的NIR图像，摄像头不同，成像阵列以及拍摄角度都会有区别，而且需要实时显示，如何快速、准确的将RGB图像和NIR图像融合是亟待解决的问题。

发明内容

[0005] 为了能够快速、准确的将RGB图像和NIR图像进行融合，本发明提供了一种荧光分子图像处理方法，所述方法包括以下步骤：

[0006] 步骤1，获取同一时刻拍摄的RGB图像和NIR图像，将RGB图像和NIR图像分别灰度化，得到RGB的灰度图像和NIR的灰度图像；提取所述RGB的灰度图像中像素值大于阈值的像素点并放入第一集合；提取所述NIR的灰度图像中像素值大于阈值的像素点并放入第二集合；

[0007] 步骤2，采用腐蚀方法分别对RGB的灰度图像的第一集合和NIR的灰度图像的第二集合中的像素点进行填充得到第一图像和第二图像；利用SIFT检测方法中DOG的极值点选取方法对所述第一图像和所述第二图像进行极值点提取，得到所述第一图像的第一极值点集合和所述第二图像的第二极值点集合；

[0008] 步骤3，根据第一极值点集合和第一集合中像素点的坐标对第一极值点集合中极值点筛选；根据第二极值点集合和第二集合中像素点的坐标对第二关键点集合中极值点筛选；

[0009] 步骤4，根据SIFT检测方法中关键点选取方式从第一极值点集合和第二极值点集合中选取关键点，并获取关键点的特征向量，根据第一图像的关键点的特征向量和第二图像的关键点的特征向量完成RGB图像和NIR图像的配准。

[0010] 优选地，所述步骤3具体为：

[0011] 步骤31，对于第一极值点集合中的每个极值点，根据所述极值点的坐标计算所述极值点与第一集合中距离所述极值点最近的N个像素点的距离的平均值，若所述平均值小于第一预设值，则从第一极值点集合中剔除所述极值点，否则，在第一极值点集合中保留所述极值点；

[0012] 步骤32，对于第二极值点集合中的每个极值点，根据所述极值点的坐标计算所述极值点与第二集合中距离所述极值点最近的N个像素点的距离的平均值，若所述平均值小于第二预设值，则从第二极值点集合中剔除所述极值点，否则，在第二极值点集合中保留所述极值点。

[0013] 优选地，所述第一预设值的计算方法为：

[0014] 计算所述RGB图像中非第一集合中像素点的个数与所述RGB图像中像素点个数的比值，根据所述比值与第一设定预设值得到第一预设值。

[0015] 优选地，所述第二预设值的计算方法为：

[0016] 计算所述NIR图像中非第二集合中像素点的个数与所述NIR图像中像素点个数的比值，根据所述比值与第二设定预设值得到第二预设值。

[0017] 优选地，所述步骤4之后，还包括步骤5：

[0018] 从NIR图像中提取荧光区域，根据所述配准方式将所述荧光区域融合到所述RGB图像中。

[0019] 另外，本发明还提供了一种荧光分子图像处理系统，所述系统包括以下模块：

[0020] 预处理模块，用于获取同一时刻拍摄的RGB图像和NIR图像，将RGB图像和NIR图像分别灰度化，得到RGB的灰度图像和NIR的灰度图像；提取所述RGB的灰度图像中像素值大于阈值的像素点并放入第一集合；提取所述NIR的灰度图像中像素值大于阈值的像素点并放入第二集合；

[0021] 极值点获取模块，用于采用腐蚀方法分别对RGB的灰度图像的第一集合和NIR的灰度图像的第二集合中的像素点进行填充得到第一图像和第二图像；利用SIFT检测方法中DOG的极值点选取方法对所述第一图像和所述第二图像进行极值点提取，得到所述第一图像的第一极值点集合和所述第二图像的第二极值点集合；

[0022] 极值点筛选模块，用于根据第一极值点集合和第一集合中像素点的坐标对第一极值点集合中极值点筛选；根据第二极值点集合和第二集合中像素点的坐标对第二关键点集合中极值点筛选；

[0023] 配准模块，用于根据SIFT检测方法中关键点选取方式从第一极值点集合和第二极值点集合中选取关键点，并获取关键点的特征向量，根据第一图像的关键点的特征向量和第二图像的关键点的特征向量完成RGB图像和NIR图像的配准。

[0024] 优选地，所述极值点筛选模块具体包括第一极值点筛选模块和第二极值点筛选模块：

[0025] 第一极值点筛选模块，对于第一极值点集合中的每个极值点，根据所述极值点的坐标计算所述极值点与第一集合中距离所述极值点最近的N个像素点的距离的平均值，若所述平均值小于第一预设值，则从第一极值点集合中剔除所述极值点，否则，在第一极值点集合中保留所述极值点；

[0026] 第二极值点筛选模块，对于第二极值点集合中的每个极值点，根据所述极值点的坐标计算所述极值点与第二集合中距离所述极值点最近的N个像素点的距离的平均值，若所述平均值小于第二预设值，则从第二极值点集合中剔除所述极值点，否则，在第二极值点集合中保留所述极值点。

[0027] 优选地，所述第一预设值的计算方法为：

[0028] 计算所述RGB图像中非第一集合中像素点的个数与所述RGB图像中像素点个数的比值，根据所述比值与第一设定预设值得到第一预设值；

[0029] 优选地，所述第二预设值的计算方法为：

[0030] 计算所述NIR图像中非第二集合中像素点的个数与所述NIR图像中像素点个数的比值，根据所述比值与第二设定预设值得到第二预设值。

[0031] 优选地，所述系统还包括图像融合模块；

[0032] 所述图像融合模块，用于从NIR图像中提取荧光区域，根据所述配准方式将所述荧光区域融合到所述RGB图像中。

[0033] 最后，本发明提供了一种计算机可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时运行如上所述的方法。

[0034] 在进行荧光分子标记患病部位时，需要将近红外摄像头拍摄的NIR图像中标记位置融合到普通摄像头拍摄的RGB图像中，由于普通摄像头和近红外摄像头的阵列等不同，拍摄的图像也不同，在异构图像配准中，精度比较低，而且运算速度慢，针对该问题，本发明首先将RGB图像和NIR图像灰度化，将灰度化图片中反光部分的像素点放入第一集合和第二集合，并采用腐蚀方法分别对RGB的灰度图像的第一集合和NIR的灰度图像的第二集合中的像素点进行填充得到第一图像和第二图像，对第一图像和第二图像提取DOG极值点，并对极值点进行过滤，实现了极值点个数的压缩，提高运算速度；而且，对极值点的过滤有助于去除影响配准精度的点，提高了配准的准确度，进而提高融合的准确度。

附图说明

[0035] 为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0036] 图1为实施例1的流程图；

[0037] 图2为DOG空间极值点的计算方法；

[0038] 图3为实施例5的流程图；

[0039] 图4为实施例10的结构图。

具体实施方式

[0040] 在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

[0041] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0042] 荧光分子成像技术，是根据肿瘤细胞被特定分子探针，例如吲哚菁绿（ICG）和亚甲基蓝（MB）染色，然后通过特定的光照射后显示肿瘤细胞位置的术中成像，常见的组合方式为ICG和NIR成像，也即采用吲哚菁绿和近红外光配合得到标记位置，通常标记位置显示为绿色。

[0043] NIR图像不符合人类视觉特点，医护人员观看比较费力，普通摄像头拍摄的RGB图像符合人类视觉特点，但是无法直接显示标记位置，这就需要同时获取RGB图像和NIR图像，将二者融合。

[0044] 实施例1，如图1所示，本发明提供了一种荧光分子图像处理方法，所述方法包括以下步骤：

[0045] 步骤1，获取同一时刻拍摄的RGB图像和NIR图像，将RGB图像和NIR图像分别灰度化，得到RGB的灰度图像和NIR的灰度图像；提取所述RGB的灰度图像中像素值大于阈值的像素点并放入第一集合；提取所述NIR的灰度图像中像素值大于阈值的像素点并放入第二集合；

[0046] 在进行手术中，内窥镜会深入到病灶位置，并拍摄病灶位置的图像，在本发明中，内窥镜同时包括CCD或CMOS镜头，和NIR镜头，二者分别拍摄RGB图像和NIR图像。人体组织比较光滑而且富含水，在内窥镜的灯光照射时，会出现反光，不同摄像头（CCD或CMOS）拍摄的图像的反光情况和近红外摄像头拍摄的图像的反光情况不同，RGB图像和NIR图像配准时，需要将反光部分去除，减少反光对配准的影响。

[0047] 遍历灰度化后的RGB图像和NIR图像，将像素值大于阈值的像素点分别放入到第一集合和第二集合，在灰度图中像素值越大该像素点越明亮，0为黑色，255为白色，反光部分偏向白色，只需要判断灰度图的像素点的像素值大小即可去除反光部分。所述阈值为一特定值，在一个具体实施例中，所述阈值为210。当然也可以根据灰度图的整体灰度情况确定阈值，RGB的灰度图像的平均灰度值越大RGB的灰度图像对应的阈值越大，同样地，NIR的灰度图像的平均灰度值越大NIR的灰度图对应的阈值越大。

[0048] 步骤2，采用腐蚀方法分别对RGB的灰度图像的第一集合和NIR的灰度图像的第二集合中的像素点进行填充得到第一图像和第二图像；利用SIFT检测方法中DOG的极值点选取方法对所述第一图像和所述第二图像进行极值点提取，得到所述第一图像的第一极值点集合和所述第二图像的第二极值点集合；

[0049] 在配准时，是对整个图像配准，为了消除反光部分对配准的影响，本发明对反光部分进行填充，具体采用腐蚀方法，腐蚀、膨胀是图像中形态学操作方法，通过腐蚀可以填补反光部分的像素点。

[0050] SIFT（Scale Invariant Feature Transform，尺度不变特征变换匹配算法）是图像配准中经典算法，在构建DOG（Difference of Guassian）高斯差分金字塔后会选取DOG的局部的极值点，如图2所示，用于后续特征点的选取。

[0051] 步骤3，根据第一极值点集合和第一集合中像素点的坐标对第一极值点集合中极值点筛选；根据第二极值点集合和第二集合中像素点的坐标对第二关键点集合中极值点筛选；

[0052] 由于反光区域的影响，在SIFT图像配准中会出现不准确的情况，这就需要对极值点筛选。而且在DOG的极值点计算后进行筛选，被筛除的极值点不用参与后续特征点的计算，例如关键点方向等特征的计算，进而提高运算速度。

[0053] 第一集合是反光区域像素点的集合，如果第一极值点集合中的点距离第一集合中某反光区域过近，这个极值点可能会受到反光区域的影响，将该极值点从第一极值点集合去除，有利于提高配准的精度。本发明采用平均距离的方式对第一极值点集合进行筛选、过滤，基于同样地考虑对第二极值点集合进行筛选、过滤。具体的方式会在下面的实施例中进行说明，这里不再赘述。

[0054] 步骤4，根据SIFT检测方法中关键点选取方式从第一极值点集合和第二极值点集合中选取关键点，并获取关键点的特征向量，根据第一图像的关键点的特征向量和第二图像的关键点的特征向量完成RGB图像和NIR图像的配准。

[0055] 在获取灰度化后的RGB图像和灰度化后的NIR图像的DOG极值点后，即可采用SIFT中的方法获取特征点的特征向量，进而实现RGB图像和NIR图像的配准。

[0056] 实施例2，所述步骤3具体为：

[0057] 步骤31，对于第一极值点集合中的每个极值点，根据所述极值点的坐标计算所述极值点与第一集合中距离所述极值点最近的N个像素点的距离的平均值，若所述平均值小于第一预设值，则从第一极值点集合中剔除所述极值点，否则，在第一极值点集合中保留所述极值点；

[0058] 步骤32，对于第二极值点集合中的每个极值点，根据所述极值点的坐标计算所述极值点与第二集合中距离所述极值点最近的N个像素点的距离的平均值，若所述平均值小于第二预设值，则从第二极值点集合中剔除所述极值点，否则，在第二极值点集合中保留所述极值点。

[0059] 第一集合是RGB图像中反光部分区域像素点集合，第一极值点集合是SIFT提取的DOG局部极值点集合，如果一个极值点距离反光区域太近，容易受到反光部分的影响，这个极值点显然不是一个好的极值点，尤其是，如果一个极值点位于所述第一集合中，也即位于反光区域，需要将该极值点从第一极值点集合中删除，以免对后续配准有影响。具体地，对于第一极值点集合中的每个极值点分别计算与第一集合中像素点的距离，更为具体的是通过坐标方式计算，如果和N个像素点的距离的平均值都小于第一预设值，则该极值点位于反光区域或者和反光区域紧挨着，这就需要从第一极值点集合中剔除。对第二极值点集合做同样的操作。

[0060] 实施例3，所述第一预设值的计算方法为：

[0061] 计算所述RGB图像中非第一集合中像素点的个数与所述RGB图像中像素点个数的比值，根据所述比值与第一设定预设值得到第一预设值。

[0062] 第一预设值越大，就会从第一极值点集合中剔除越多的极值点；如果反光区域很大或很多，也即第一集合很大，就会剔除更多的极值点，为了避免剔除过多极值点，本发明RGB图像中非第一集合中像素点的个数与所述RGB图像中像素点个数的比值设置第一预设值。在一个具体实施例中，根据所述比值与所述第一设定预设值的乘积计算得到第一预设值。第一设定预设值是系统默认或者系统设置的默认参数，和内窥镜冷光源的发光强度和内窥镜观察部位有关。

[0063] 实施例4，所述第二预设值的计算方法为：

[0064] 计算所述NIR图像中非第二集合中像素点的个数与所述NIR图像中像素点个数的比值，根据所述比值与第二设定预设值得到第二预设值。

[0065] 基于实施例3相同的方法计算得到第二预设值。第二设定预设值是系统默认或者系统设置的默认参数，和内窥镜近红外的发光强度和内窥镜观察部位有关。

[0066] 实施例5，如图3所示，所述步骤4之后，还包括步骤5：

[0067] 从NIR图像中提取荧光区域，根据所述配准方式将所述荧光区域融合到所述RGB图像中。

[0068] 在RGB图像和NIR图像配准后，从NIR图像中提取荧光区域，具体地，提取NIR图像中荧光区域每个像素点像素值和坐标，根据配准变换方式对坐标进行变换，然后利用像素值大小融合到RGB图像中。

[0069] 实施例6，本发明还提供了一种荧光分子图像处理系统，所述系统包括以下模块：

[0070] 预处理模块，用于获取同一时刻拍摄的RGB图像和NIR图像，将RGB图像和NIR图像分别灰度化，得到RGB的灰度图像和NIR的灰度图像；提取所述RGB的灰度图像中像素值大于阈值的像素点并放入第一集合；提取所述NIR的灰度图像中像素值大于阈值的像素点并放入第二集合；

[0071] 极值点获取模块，用于采用腐蚀方法分别对RGB的灰度图像的第一集合和NIR的灰度图像的第二集合中的像素点进行填充得到第一图像和第二图像；利用SIFT检测方法中DOG的极值点选取方法对所述第一图像和所述第二图像进行极值点提取，得到所述第一图像的第一极值点集合和所述第二图像的第二极值点集合；

[0072] 极值点筛选模块，用于根据第一极值点集合和第一集合中像素点的坐标对第一极值点集合中极值点筛选；根据第二极值点集合和第二集合中像素点的坐标对第二关键点集合中极值点筛选；

[0073] 配准模块，用于根据SIFT检测方法中关键点选取方式从第一极值点集合和第二极值点集合中选取关键点，并获取关键点的特征向量，根据第一图像的关键点的特征向量和第二图像的关键点的特征向量完成RGB图像和NIR图像的配准。

[0074] 实施例7，所述极值点筛选模块具体包括第一极值点筛选模块和第二极值点筛选模块：

[0075] 第一极值点筛选模块，对于第一极值点集合中的每个极值点，根据所述极值点的坐标计算所述极值点与第一集合中距离所述极值点最近的N个像素点的距离的平均值，若所述平均值小于第一预设值，则从第一极值点集合中剔除所述极值点，否则，在第一极值点集合中保留所述极值点；

[0076] 第二极值点筛选模块，对于第二极值点集合中的每个极值点，根据所述极值点的坐标计算所述极值点与第二集合中距离所述极值点最近的N个像素点的距离的平均值，若所述平均值小于第二预设值，则从第二极值点集合中剔除所述极值点，否则，在第二极值点集合中保留所述极值点。

[0077] 实施例8，所述第一预设值的计算方法为：

[0078] 计算所述RGB图像中非第一集合中像素点的个数与所述RGB图像中像素点个数的比值，根据所述比值与第一设定预设值得到第一预设值；

[0079] 实施例9，所述第二预设值的计算方法为：

[0080] 计算所述NIR图像中非第二集合中像素点的个数与所述NIR图像中像素点个数的比值，根据所述比值与第二设定预设值得到第二预设值。

[0081] 实施例10，如图4所示，所述系统还包括图像融合模块；

[0082] 所述图像融合模块，用于从NIR图像中提取荧光区域，根据所述配准方式将所述荧光区域融合到所述RGB图像中。

[0083] 实施例11，本发明提供了一种计算机可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时运行如实施例1‑5所述的方法。

[0084] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现，当然也可以通过硬件和软件结合的方式来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD‑ROM、光学存储器等）上实施的计算机程序产品的形式。

[0085] 最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。