一种图像配准数据处理方法及系统

技术领域

本发明涉及图像配准技术领域，具体涉及一种图像配准数据处理方法及系统。

背景技术

随着生活方式的改变和过度用眼增加，近年来，眼科疾病治疗需求不断增长，市场规模迅速扩大。在对眼科疾病进行诊断的过程中，由于眼底的血管是人体唯一可以通过体表直接观察到的血管，医疗人员通过眼底相机检查眼底的视神经、视网膜等是否存在病变。

目前，通过激光扫描共聚焦成像技术，通过在成像焦平面引入针孔实现激光点光源、视网膜、点探测器处于共轭位置，有效滤除出视网膜非焦平面的杂散光。可以提供眼底相机不具备的光学层析能力和高分辨率动态成像，横向分辨率达到微米级。

然而，单色激光拍摄得到的影像都为灰度图像，而灰度图像不能对眼底病灶进行呈现。由此，通常采用多个激光源对眼底同一部位成像，通过图像处理技术合成眼底彩照。由于眼底不同组织对不同波长的激光响应不同，因此单色激光图像在灰度分布、组织响应等方面并不一致，通常采用基于特征点匹配的图像配准算法来提取两图相同结构特征进行匹配，但是，由于激光扫描共聚焦成像技术单色激光图像对患者眼动十分敏感，常常呈现以某纵向扫描点为分界点，单色激光图片左右两部分在数据采集时运动状态不一致，因此浮动图像与参考图像的两部分偏移量并不一致。导致最终合成眼底彩照会出现部分重影的情况，不能保证彩照质量，以及由于偏移量过大，导致特征点寻找耗时长，无法满足实时性要求。现有技术中存在图像采集过程中患者发生眼动，图像偏移量不一致，整图配准精度低的技术问题。

发明内容

本申请提供了一种图像配准数据处理方法及系统，用于针对解决现有技术中存在图像采集过程中患者发生眼动，图像偏移量不一致，整图配准精度低的技术问题。

鉴于上述问题，本申请提供了一种图像配准数据处理方法及系统。

本申请的第一个方面，提供了一种图像配准数据处理方法，其中，所述方法包括：获取多个单色激光图像内的多个结构特征图像，其中，所述多个单色激光图像包括基准图像和浮动图像；根据所述多个结构特征图像，获取眼球运动过大的多个重影区域，每个重影区域内包括对应的重影浮动图像和重影基准图像；对于每个重影区域，获取所述重影浮动图像和重影基准图像内的特征点对应关系，其中，所述特征点对应关系内包括多对特征点；获取所述特征点对应关系内准确性大于预设阈值的若干对特征点，对所述重影浮动图像进行特征点匹配处理，获得处理重影浮动图像；对所述处理重影浮动图像进行像素配准处理，获得区域配准图像；对所述多个重影区域内的多个区域配准图像进行对齐融合处理，结合所述基准图像和所述浮动图像，获得配准图像。

本申请的第二个方面，提供了一种图像配准数据处理系统，所述系统包括：特征图像获得模块，所述特征图像获得模块用于获取多个单色激光图像内的多个结构特征图像，其中，所述多个单色激光图像包括基准图像和浮动图像；重影区域获得模块，所述重影区域获得模块用于根据所述多个结构特征图像，获取眼球运动过大的多个重影区域，每个重影区域内包括对应的重影浮动图像和重影基准图像；对应关系获得模块，所述对应关系获得模块用于对于每个重影区域，获取所述重影浮动图像和重影基准图像内的特征点对应关系，其中，所述特征点对应关系内包括多对特征点；浮动图像获得模块，所述浮动图像获得模块用于获取所述特征点对应关系内准确性大于预设阈值的若干对特征点，对所述重影浮动图像进行特征点匹配处理，获得处理重影浮动图像；区域图像获得模块，所述区域图像获得模块用于对所述处理重影浮动图像进行像素配准处理，获得区域配准图像；配准图像获得模块，所述配准图像获得模块用于对所述多个重影区域内的多个区域配准图像进行对齐融合处理，结合所述基准图像和所述浮动图像，获得配准图像。

本申请的第三个方面，提供了一种眼底激光照影仪，所述眼底激光照影仪包括如第二方面中所述的图像配准数据处理系统。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请实施例提供的方法通过获取多个单色激光图像内的多个结构特征图像，其中，多个单色激光图像包括基准图像和浮动图像，然后根据多个结构特征图像，得到眼球运动过大的多个重影区域，每个重影区域内包括对应的重影浮动图像和重影基准图像，进而对于每个重影区域，得到重影浮动图像和重影基准图像内的特征点对应关系，其中，特征点对应关系内包括多对特征点，然后获取特征点对应关系内准确性大于预设阈值的若干对特征点，对重影浮动图像进行特征点匹配处理，获得处理重影浮动图像，进而通过对处理重影浮动图像进行像素配准处理，获得区域配准图像，然后对多个重影区域内的多个区域配准图像进行对齐融合处理，结合基准图像和浮动图像，获得配准图像。达到了提高配准图像的效率，对眼动导致整幅图像偏移量进行校正的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请提供的一种图像配准数据处理方法流程示意图；

图2为本申请提供的一种图像配准数据处理方法中获取多个单色激光图像内的多个结构特征图像的流程示意图；

图3为本申请提供的一种图像配准数据处理方法中获取眼球运动过大的多个重影区域的流程示意图；

图4为本申请提供的一种图像配准数据处理系统的结构示意图。

附图标记说明：特征图像获得模块11，重影区域获得模块12，对应关系获得模块13，浮动图像获得模块14，区域图像获得模块15，配准图像获得模块16。

具体实施方式

本申请通过提供了一种图像配准数据处理方法及系统，用于针对解决现有技术中存在图像采集过程中患者发生眼动，图像偏移量不一致，整图配准精度低的技术问题。本申请达到了有效校正由于患者眼球运动引起的图像部分偏移，有效解决合成后的重影问题，提高全图配准精度和效率的技术效果。

本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。

下面，将参考附图对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明的实施例，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。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。

实施例一

如图1所示，本申请提供了一种图像配准数据处理方法，其中，所述方法包括：

步骤S100：获取多个单色激光图像内的多个结构特征图像，其中，所述多个单色激光图像包括基准图像和浮动图像；

进一步的，如图2所示，获取多个单色激光图像内的多个结构特征图像，本申请实施例步骤S100还包括：

步骤S110：对所述多个单色激光图像进行高斯滤波平滑噪声处理，获得多个降噪处理图像；

步骤S120：判断所述多个降噪处理图像的灰度值是否小于预设灰度值阈值；若是，则降噪处理图像采用自适应直方图增强算法处理和gamma曲线拉伸直方图处理，若否，则不进行处理，获得多个处理图像；

步骤S130：对所述多个处理图像进行模糊增强处理，获得所述多个结构特征图像。

具体而言，利用眼底相机利用多个激光源对患者的眼底从多个角度，不同的位置进行图像采集，得到所述多个单色激光图像。其中，所述多个单色激光图像是指对眼底进行多次成像得到的。所述多个结构特征图像是从多个不同的角度和不同位置反映眼底的血管和视盘信息结构特征的图像。所述基准图像是指对所述多个单色激光图像进行图像配准的过程中保持不动的图像。所述浮动图像是指对所述多个单色激光图像进行图像配准的过程中做移动或旋转变化的图像。所述高斯滤波平滑噪声处理是对多个单色激光图像分别进行加权平均，图像中的每一个像素点都是由其本身和邻域内的其他像素值经过加权平均后得到的，从而对累计传递的误差进行修正，抑制噪声，得到所述多个降噪处理图像。其中，所述多个降噪处理图像是指图像中的噪声进行处理后得到的图像。所述预设灰度值阈值是指预先设置的图像中各个像素点的灰度值需要满足的最小值，由工作人员自行设定，在此不做限制。当图像中像素点的灰度值低于所述预设灰度值阈值时，此时的图像不能清楚表达图像的细节。所述自适应直方图增强算法处理是综合考虑图像的熵和亮度均值差，自适应的选择合适的阈值将图像分割成2个子图进行双直方图均衡和灰度均匀化处理，从而有效增强图像，并避免过增强现象。所述gamma曲线拉伸直方图处理时对图像进行对输入图像灰度值进行的非线性操作，使输出图像灰度值与输入图像灰度值呈指数关系，从而对图像进行增强。所述模糊处理是对所述多个处理图像进行图像叠加，增强图像的特征。然后根据模糊增强处理的结果提取得到所述多个结构特征图像。

具体的，通过对所述多个单色激光图像进行高斯滤波平滑噪声处理，可以对图像中的图像灰度细节分布的不一致性进行处理，对图像中的累计误差进行修正。进而，通过判断所述多个降噪处理图像的灰度值大小，可以得到处理后的图像质量是否能够满足需求，对图像进行分批处理，可以满足要求直接进行后续操作，不能满足要求的通过进行图像增强处理对图像的灰度值进行提升。然后，对得到的多个处理图像进行模糊增强处理，提取图像中的结构特征，为后续进行结构分析校准做铺垫。

进一步的，对所述多个处理图像进行模糊增强处理，本申请实施例步骤S130还包括：

步骤S131：对所述多个处理图像进行模糊滤波器处理，获得多个模糊处理图像；

步骤S132：将所述多个模糊处理图像按照第一预设比例叠加至所述多个单色激光图像上，获得多个第一增强处理图像；

步骤S133：将所述多个处理图像和所述多个第一增强处理图像按照第二预设比例进行叠加，获得多个第二增强处理图像；

步骤S134：根据所述多个单色激光图像的平均灰度值大小，获得多个灰度值阈值；

步骤S135：按照所述多个灰度值阈值，对所述多个第二增强处理图像进行提取，获得所述多个结构特征图像。

具体而言，所述多个处理图像进行模糊滤波器处理是指通过对图像中的高频成份，如噪音、边界进行去除，从而达到图像模糊的目的。所述多个模糊处理图像是指对多个处理图像进行模糊处理，使图像中的边界没有那么强后得到的图像。所述第一预设比例是对多个单色激光图像进行增强时对应的模糊处理图像的比例，即一个单色激光图像对应的模糊处理图像的数量。所述多个第一增强处理图像是对单色激光图像进行图像增强后得到的。所述第二预设比例是预先设置的对所述多个第一增强处理图像上叠加多个处理图像时图像之间对应的叠加比例。所述第二增强处理图像是指处理图像与增强处理图像按预设比例叠加后得到的图像。所述平均灰度值是分别计算多个单色激光图像中各自的每个像素点对应的灰度值，进行均值化处理后得到的。进而，根据所述平均灰度值确定所述多个单色激光图像对应的所述多个灰度值阈值，从而确定对不同单色激光图像进行特征提取时对应的灰度阈值。

具体的，通过对所述多个处理图像进行模糊处理，使图像的边界感不够明显，但同时使图像中较大、较亮的像素点保留下来，能够有效的去除噪声。从而，通过将所述多个模糊处理图像叠加至所述多个单色激光图像上，从而对多个单色激光图像进行图像增强，进而将多个第一增强处理图像与所述多个处理图像叠加，使图像中的结构更加清晰。进而，通过根据所述多个灰度值阈值对所述第二增强处理图像进行提取，根据不同的灰度值阈值进行特征提取，从而得到反映不同结构的所述多个结构特征图像。达到了对图像进行特征分析，得到高质量的多个结构特征图像，为后续的图像配准做铺垫的技术效果。

步骤S200：根据所述多个结构特征图像，获取眼球运动过大的多个重影区域，每个重影区域内包括对应的重影浮动图像和重影基准图像；

进一步的，如图3所示，根据所述多个结构特征图像，获取眼球运动过大的多个重影区域，本申请实施例步骤S200还包括：

步骤S210：将所述多个结构特征图像进行纵向分块，划分为多个区域，获得多个{block1，block2，block3，…}；

步骤S220：根据所述多个{block1，block2，block3，…}，计算所述多个区域内，每个基准图像和每个浮动图像的互信息值差值，获得多个互信息值差值序列{d1,d2,d3,…}；

步骤S230：当互信息值差值开始连续小于或大于预设差值阈值时的区域作为所述多个重影区域。

具体而言，所述多个重影区域是由于在进行图像采集的过程中由于眼球运动导致的图像重叠模糊的区域，且区域对应的互信息值差值连续不符合预设差值阈值。所述重影浮动图像是在进行图像配准的过程中进行旋转或移动的图像。所述重影基准图像是进行图像配准的过程中保持不动的重影图像。所述多个区域是对所述多个结构特征图像分别进行纵向分块后得到的。所述多个互信息值差值序列是按照多个区域的顺序，对每个区域内的基准图像与浮动图像之间的互信息值差值进行排列得到的，所述多个互信息值差值序列与所述多个区域一一对应。

具体的，通过将所述多个结构特征图像按照纵向距离进行等比例划分，得到多个区域，即所述多个{block1，block2，block3，…}。进而，根据所述每一区域对应的基准图像和浮动图像之间的互信息值，进行差值计算，对互信息值差值进行分析，当互信息值差值开始连续小于或大于预设差值阈值时，表明此时对应的区域基准图像与浮动图像之间的互信息值差异度不能满足要求，出现重影现象。由此，达到了对重影区域进行准确定位，提高图像配准效率的技术效果。

步骤S300：对于每个重影区域，获取所述重影浮动图像和重影基准图像内的特征点对应关系，其中，所述特征点对应关系内包括多对特征点；

进一步的，对于每个重影区域，获取所述重影浮动图像和重影基准图像内的特征点对应关系，本申请实施例步骤S300还包括：

步骤S310：对于每个重影区域，基于特征点提取算法提取重影基准图像的特征点，获得基准特征点集合；

步骤S320：对重影基准图像和重影浮动图像分别通过下采样构建基准图像金字塔和浮动图像金字塔，其中，所述重影基准图像和重影浮动图像分别位于所述基准图像金字塔和浮动图像金字塔的底层，且上一层图像基于下一层图像进行1/2比例下采样获得；

步骤S330：将所述基准特征点集合内的多个特征点对应于所述基准图像金字塔内的最高层，然后在所述浮动图像金字塔的对应层中进行搜索所述多个特征点，获得最高层浮动特征点集合；

步骤S340：根据所述最高层浮动特征点集合，对下一层浮动图像进行预平移和残差计算，获得下一层浮动图像的第一特征点对应关系；

步骤S350：基于所述第一特征点对应关系，对于每一层浮动图像进行迭代计算，获得所述特征点对应关系。

具体而言，所述特征点提取算法是指对图像中的极值点，即关键点进行提取，获得特征点的方向的算法。所述基准特征点集合是指重影基准图像中作为图像配准基准的特征点。所述下采样构建基准图像金字塔是指通过缩小图像原图，在保留有效信息的基础上降低特征的维度，对基准图像进行缩小，不断向下迭代取样，从而得到多层，且图像自底部向上不断缩小，形成基准图像金字塔。示例性的，对一个基准图像进行下采样，在下采样步骤执行后，所述图像的长和宽都变为原来的二分之一，整体图像变为原来的四分之一。所述浮动图像金字塔是指通过缩小图像原图，在保留有效信息的基础上降低特征的维度，对浮动图像进行缩小，不断向下迭代取样，从而得到多层，且图像自底部向上不断缩小得到的。

具体的，通过不断地迭代取样，将所述基准特征点集合内的多个特征点设置于所述基准图像金字塔的最高层，进而，根据基准图像与浮动图像中的一一对应关系，在所述浮动图像金字塔的对应层中进行搜索，从而找到与基准图像金字塔最高层内的多个特征点对应的点，从而得到所述最高层浮动特征点集合。其中，所述最高层浮动特征点集合是对图像进行调整的基础特征点。

具体的，根据所述最高层浮动特征点集合中的特征点，根据对下一层浮动图像进行预平移和残差计算，从而得到下一层浮动图像中精准的特征点对应关系。其中，所述第一特征点对应关系表明了基准图像与浮动图像之间的特征点对应情况，进而对所述基准图像金字塔进行逐层迭代，直至达到所述基准图像金字塔的底部，停止迭代，从而得到原始基准图像与浮动图像的特征点之间的对应关系，即所述特征点对应关系。达到了对图像进行精准配准做铺垫，解决由于基准图像与浮动图像偏移量过大，无法找到对应特征点的问题的技术效果。

步骤S400：获取所述特征点对应关系内准确性大于预设阈值的若干对特征点，对所述重影浮动图像进行特征点匹配处理，获得处理重影浮动图像；

进一步的，获取所述特征点对应关系内准确性大于预设阈值的若干对特征点，对所述重影浮动图像进行特征点匹配处理，本申请实施例步骤S400还包括：

步骤S410：基于RANSAC算法，对所述特征点对应关系内的多对特征点进行筛选，获得准确性大于所述预设阈值的所述若干对特征点；

步骤S420：基于变化矩阵和所述若干对特征点，对所述重影浮动图像进行仿射变换处理，获得所述处理重影浮动图像。

具体而言，所述特征点对应关系中有多对特征点，通过根据所述RANSAC算法对特征点进行筛选，以所述预设阈值为筛选目标，将准确性大于所述预设阈值的若干对特征点进行采集。所述变化矩阵是根据特征点对应关系得到的对浮动图像进行调整的变化过程矩阵。根据所述重影浮动图像上的若干对特征点，以及所述变化矩阵，对所述重影浮动图像进行仿射变换处理，通过线性变换对重影浮动图像上的特征点位置进行调整，进而调整所述重影浮动图像，得到所述处理重影浮动图像。达到了对图像进行变换处理，从而消除眼动影响的技术效果。

步骤S500：对所述处理重影浮动图像进行像素配准处理，获得区域配准图像；

进一步的，对所述处理重影浮动图像进行像素配准处理，本申请实施例步骤S500还包括：

步骤S510：基于稠密金字塔光流法，计算所述重影浮动图像和所述重影基准图像的逐像素光流量(flox，floy)；

步骤S520：根据所述逐像素光流量(flox，floy)，对所述重影浮动图像内的像素映射到所述处理重影浮动图像上，获得所述区域配准图像。

具体而言，所述区域配准图像是对图形进行像素配准处理，从而对图像细节进行补充后得到的图像。所述稠密金字塔光流法是指通过对图像进行逐点匹配，通过计算所述重影浮动图像和所述重影基准图像内的各个像素点之间的偏移量，从而得到所述逐像素光流量(flox，floy)。其中，所述flox是指像素点之间的偏移情况映射在x轴上的偏移量，所述floy是指像素点之间的偏移情况映射到y轴上对应的偏移量。进而，根据所述逐像素光流量(flox，floy)对重影浮动图像内的像素点进行移动，映射到所述处理重影浮动影像上，从而对细节进行区域配准，得到所述区域配准图像。达到了对图像进行高质量、高效配准的技术效果。

步骤S600：对所述多个重影区域内的多个区域配准图像进行对齐融合处理，结合所述基准图像和所述浮动图像，获得配准图像。

进一步的，对所述多个重影区域内的多个区域配准图像进行对齐融合处理，本申请实施例步骤S600还包括：

步骤S610：将所述多个区域配准图像进行对齐融合处理，获得初步配准图像；

步骤S620：提取所述初步配准图像内多个区域配准图像的边缘缺失部分ROI，获得多个ROI；

步骤S630：对所述多个ROI进行高斯模糊处理，获得多个模糊ROI；

步骤S640：按照所述浮动图像的像素分布对调整基准图像的灰度分布，并与所述多个模糊ROI按照第三预设比例进行叠加，获得img1；

步骤S650：将所述多个模糊ROI与所述浮动图像按照所述第三预设比例进行迭代，获得img2；

步骤S660：将所述img1、所述img2进行逐像素叠加至所述初步配准图像，获得所述配准图像。

具体而言，所述配准图像是对完成质量较低的图像进行高精度配准，消除眼动引起的重影后得到的图像。所述对齐融合处理是指对所述多个区域配准图像按照之前的分割顺序进行对齐，并对图像内容进行融合的操作。所述初步配准图像是指对多个区域配准图像进行初步处理，得到的图像。进而，对初步配准图像内的多个区域配准图像经过对齐融合后的缺失部分，设定为感兴趣区域，即所述ROI。所述多个ROI反映了初步配准图像的缺失情况。进而，对所述多个ROI进行高斯模糊处理，消除噪声和边界，得到所述多个模糊ROI。进而，根据所述浮动图像的像素分布对调整基准图像的灰度分布，以浮动图像为准对基准图像进行灰度分布的调整，根据所述多个模糊ROI进行叠加，所述第三预设比例是基准图像与模糊ROI进行叠加时对应的比例，即一个基准图像叠加的模糊ROI数量。进而，根据第三预设比例对所述浮动图像与多个模糊ROI进行迭代，从而得到所述img2。通过将所述img1、所述img2进行逐像素叠加至所述初步配准图像，对初步配准图像中的边缘缺失部分进行补充，达到了提高图像精度的技术效果。

本发明中提供的技术方案，至少具有如下技术效果或优点：

1.本申请实施例通过对多个单色激光图像内的多个结构特征图像进行提取，从而得到能够反映眼底结构的图像，包括血管和视盘信息结构，对多个结构特征图像进行深入挖掘，从而对由于眼动引起的多个重影区域进行获取，通过下采样构建法，对每个重影区域内重影浮动图像和重影基准图像内之间的特征点对应关系进行采集，实现了为后续配准提供依据的目标，然后将特征点对应关系内准确性大于预设阈值的若干对特征点进行筛选，对重影浮动图像进行特征点匹配处理，得到处理重影浮动图像，然后对处理重影浮动图像进行像素配准处理，得到区域配准图像，进而对多个重影区域内的多个区域配准图像进行对齐融合处理，结合基准图像和所述浮动图像，获得配准图像。达到了提高图像配准的准确度，校正由于眼动引起的图像偏移，消除眼动影响，高效率的完成全图高精度实时配准的技术效果。

2.本申请实施例通过对多个单色激光图像进行高斯滤波平滑噪声处理，得到多个经过噪声处理的图像，提高后续分析的准确性，进而判断多个降噪处理图像的灰度值是否小于预设灰度值阈值，从而对图像进行不同的处理，若是，则降噪处理图像采用自适应直方图增强算法处理和gamma曲线拉伸直方图处理，若否，则不进行处理，获得多个处理图像，然后对图像进行模糊增强处理，获得多个结构特征图像。达到了对图像展示效果进行增强，提高后续图像分析的准确度和效率的技术性效果。

实施例二

如图4所示，为了更清楚的解释一种图像配准数据处理方法的技术方案，本申请实施例提供了一种图像配准数据处理系统，具体如下：

特征图像获得模块11，所述特征图像获得模块11用于获取多个单色激光图像内的多个结构特征图像，其中，所述多个单色激光图像包括基准图像和浮动图像；

重影区域获得模块12，所述重影区域获得模块12用于根据所述多个结构特征图像，获取眼球运动过大的多个重影区域，每个重影区域内包括对应的重影浮动图像和重影基准图像；

对应关系获得模块13，所述对应关系获得模块13用于对于每个重影区域，获取所述重影浮动图像和重影基准图像内的特征点对应关系，其中，所述特征点对应关系内包括多对特征点；

浮动图像获得模块14，所述浮动图像获得模块14用于获取所述特征点对应关系内准确性大于预设阈值的若干对特征点，对所述重影浮动图像进行特征点匹配处理，获得处理重影浮动图像；

区域图像获得模块15，所述区域图像获得模块15用于对所述处理重影浮动图像进行像素配准处理，获得区域配准图像；

配准图像获得模块16，所述配准图像获得模块16用于对所述多个重影区域内的多个区域配准图像进行对齐融合处理，结合所述基准图像和所述浮动图像，获得配准图像。

进一步的，所述系统还包括：

降噪图像获得单元，所述降噪图像获得单元用于对所述多个单色激光图像进行高斯滤波平滑噪声处理，获得多个降噪处理图像；

灰度值判断单元，所述灰度值判断单元用于判断所述多个降噪处理图像的灰度值是否小于预设灰度值阈值；若是，则降噪处理图像采用自适应直方图增强算法处理和gamma曲线拉伸直方图处理，若否，则不进行处理，获得多个处理图像；

结构特征图像获得单元，所述结构特征图像获得单元用于对所述多个处理图像进行模糊增强处理，获得所述多个结构特征图像。

进一步的，所述系统还包括：

模糊处理图像获得单元，所述模糊处理图像获得单元用于对所述多个处理图像进行模糊滤波器处理，获得多个模糊处理图像；

增强处理图像获得单元，所述增强处理图像获得单元用于将所述多个模糊处理图像按照第一预设比例叠加至所述多个单色激光图像上，获得多个第一增强处理图像；

第二增强图像获得单元，所述第二增强图像获得单元用于将所述多个处理图像和所述多个第一增强处理图像按照第二预设比例进行叠加，获得多个第二增强处理图像；

灰度值阈值获得单元，所述灰度值阈值获得单元用于根据所述多个单色激光图像的平均灰度值大小，获得多个灰度值阈值；

图像提取单元，所述图像提取单元用于按照所述多个灰度值阈值，对所述多个第二增强处理图像进行提取，获得所述多个结构特征图像。

进一步的，所述系统还包括：

区域划分单元，所述区域划分单元用于将所述多个结构特征图像进行纵向分块，划分为多个区域，获得多个{block1，block2，block3，…}；

差值序列获得单元，所述差值序列获得单元用于根据所述多个{block1，block2，block3，…}，计算所述多个区域内，每个基准图像和每个浮动图像的互信息值差值，获得多个互信息值差值序列{d1,d2,d3,…}；

重影区域设定单元，所述重影区域设定单元用于当互信息值差值开始连续小于或大于预设差值阈值时的区域作为所述多个重影区域。

进一步的，所述系统还包括：

基准特征集合获得单元，所述基准特征集合获得单元用于对于每个重影区域，基于特征点提取算法提取重影基准图像的特征点，获得基准特征点集合；

图像金字塔构建单元，所述图像金字塔构建单元用于对重影基准图像和重影浮动图像分别通过下采样构建基准图像金字塔和浮动图像金字塔，其中，所述重影基准图像和重影浮动图像分别位于所述基准图像金字塔和浮动图像金字塔的底层，且上一层图像基于下一层图像进行1/2比例下采样获得；

最高层特征点获得单元，所述最高层特征点获得单元用于将所述基准特征点集合内的多个特征点对应于所述基准图像金字塔内的最高层，然后在所述浮动图像金字塔的对应层中进行搜索所述多个特征点，获得最高层浮动特征点集合；

对应关系获得单元，所述对应关系获得单元用于根据所述最高层浮动特征点集合，对下一层浮动图像进行预平移和残差计算，获得下一层浮动图像的第一特征点对应关系；

迭代计算单元，所述迭代计算单元用于基于所述第一特征点对应关系，对于每一层浮动图像进行迭代计算，获得所述特征点对应关系。

进一步的，所述系统还包括：

特征点筛选单元，所述特征点筛选单元用于基于RANSAC算法，对所述特征点对应关系内的多对特征点进行筛选，获得准确性大于所述预设阈值的所述若干对特征点；

仿射变化处理单元，所述仿射变化处理单元用于基于变化矩阵和所述若干对特征点，对所述重影浮动图像进行仿射变换处理，获得所述处理重影浮动图像。

进一步的，所述系统还包括：

光流量计算单元，所述光流量计算单元用于基于稠密金字塔光流法，计算所述重影浮动图像和所述重影基准图像的逐像素光流量(flox，floy)；

区域配准图像获得单元，所述区域配准图像获得单元用于根据所述逐像素光流量(flox，floy)，对所述重影浮动图像内的像素映射到所述处理重影浮动图像上，获得所述区域配准图像。

进一步的，所述系统还包括：

初步配准图像获得单元，所述初步配准图像获得单元用于将所述多个区域配准图像进行对齐融合处理，获得初步配准图像；

边缘缺失部分获得单元，所述边缘缺失部分获得单元用于提取所述初步配准图像内多个区域配准图像的边缘缺失部分ROI，获得多个ROI；

高斯模糊处理单元，所述高斯模糊处理单元用于对所述多个ROI进行高斯模糊处理，获得多个模糊ROI；

imgl获得单元，所述imgl获得单元用于按照所述浮动图像的像素分布对调整基准图像的灰度分布，并与所述多个模糊ROI按照第三预设比例进行叠加，获得img1；

img2获得单元，所述img2获得单元用于将所述多个模糊ROI与所述浮动图像按照所述第三预设比例进行迭代，获得img2；

像素叠加单元，所述像素叠加单元用于将所述img1、所述img2进行逐像素叠加至所述初步配准图像，获得所述配准图像。

实施例三

基于与实施例二中一种图像配准数据处理系统相同的发明构思，本实施例还提供了一种眼底激光照影仪，所述眼底激光照影仪包括如实施例二中所述的图像配准数据处理系统。

综上所述的任意一项方法或者步骤可作为计算机指令或程序存储在各种不限类型的计算机存储器中，通过各种不限类型的计算机处理器识别计算机指令或程序，进而实现上述任一项方法或者步骤。

基于本发明的上述具体实施例，本技术领域的技术人员在不脱离本发明原理的前提下，对本发明所作的任何改进和修饰，皆应落入本发明的专利保护范围。