宽景拼接方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种宽景拼接方法、装置及存储介质。其中，变换矩阵获取方法包括：获取传感器检测到的运动数据，其中，传感器设置在用于采集图像的探头上，运动数据用于表示探头在采集图像过程中的运动趋势；将运动数据输入到预先训练得到的神经网络中，利用神经网络计算得到矩阵参数；利用矩阵参数计算得到变换矩阵，变换矩阵用于拼接探头采集到的图像以得到宽景图像。本发明专利技术无需利用图像本身的特征，即可计算出变换矩阵并进行图像拼接，不受图像亮度和特征等因素的影响，提高了变换矩阵计算的准确性，进而提升了图像拼接效果。

Method, device and storage medium of wide scene splicing

【技术实现步骤摘要】
宽景拼接方法、装置及存储介质
本专利技术涉及图像拼接
，具体涉及一种宽景拼接方法、装置及存储介质。
技术介绍
图像拼接技术是将数张有重叠部分的图像拼接成一幅无缝的宽景图或高分辨率图像的技术。在图像采集的过程中，由于时间不同、角度不同等因素导致在一幅图像中无法看到完整的关注区域的整体图像。例如，传统的超声探头发射的超声声波发散范围有限，而且探头的尺寸也是固定的，因此只能生成指定范围内的超声图像，而无法生成所关注区域的整体影像。在医疗领域的应用过程中，医生只能根据记忆，结合自己的经验，在大脑中形成该区域的整体图像，以便观察相邻组织的情况，因此在一定程度上影响了医疗诊断的快速性和准确性。而针对上述这一问题，已经有相关研究通过相邻图像的常规配准技术，将超声探头移动的过程中所采集的图像拼接成一幅视野更大的图像，以便在同一幅图像中显示整个组织的结构，方便医生的诊断。然而上述宽景拼接方法得到的宽景图像准确率较低，并且当超声探头中设置电磁定位系统时，上述实现宽景拼接的方法系统成本高，架构昂贵。专利技术内容本专利技术本文档来自技高网...

【技术保护点】
1.一种变换矩阵获取方法，其特征在于，包括如下步骤：/n获取传感器检测到的运动数据，其中，所述传感器设置在用于采集图像的探头上，所述运动数据用于表示所述探头在采集图像过程中的运动趋势；/n将所述运动数据输入到预先训练得到的神经网络中，利用所述神经网络计算得到矩阵参数；/n利用所述矩阵参数计算得到变换矩阵，所述变换矩阵用于拼接所述探头采集到的图像以得到宽景图像。/n

【技术特征摘要】
1.一种变换矩阵获取方法，其特征在于，包括如下步骤：
获取传感器检测到的运动数据，其中，所述传感器设置在用于采集图像的探头上，所述运动数据用于表示所述探头在采集图像过程中的运动趋势；
将所述运动数据输入到预先训练得到的神经网络中，利用所述神经网络计算得到矩阵参数；
利用所述矩阵参数计算得到变换矩阵，所述变换矩阵用于拼接所述探头采集到的图像以得到宽景图像。


2.根据权利要求1所述的变换矩阵获取方法，其特征在于，所述神经网络包括：卷积神经网络、递归神经网络和全连接网络；其中，所述将所述运动数据输入到预先训练得到的神经网络中，利用所述神经网络计算得到变换矩阵的参数，包括：
通过所述卷积神经网络对所述运动数据进行卷积计算，得到所述运动数据的数据特征，作为所述卷积神经网络的输出；
通过所述递归神经网络对所述卷积神经网络输出的数据特征进行递归运算，得到递归计算结果，作为所述递归神经网络的输出；
通过所述全连接网络对所述递归神经网络输出的递归计算结果回归计算，得到所述矩阵参数。


3.根据权利要求2所述的变换矩阵获取方法，其特征在于，所述传感器为多个，所述卷积神经网络包括第一卷积神经网络和与多个所述传感器一一对应的多个第二卷积神经网络，其中，所述第一卷积神经网络的输入与多个所述第二卷积神经网络的输出连接。


4.根据权利要求3所述的变换矩阵获取方法，其特征在于，所述传感器包括加速度计和陀螺仪。


5.根据权利要求3或4所述的变换矩阵获取方法，其特征在于，所述通过所述卷积神经网络对所述运动数据进行卷积计算，得到所述运动数据的数据特征，包括：
通过所述第二卷积神经网络对与所述第二卷积神经网络对应的传感器检测到的运动数据进行卷积处理；
通过所述第一卷积神经网络对多个所述第二卷积神经网络的输出进行融合并进行卷积处理，得到所述数据特征。


6.根据权利要求5所述的变换矩阵获取方法，其特征在于，
所述通过所述第一卷积神经网络对多个所述第二卷积神经网络的输出进行融合并进行卷积处理，得到所述数据特征，包括：
将每个所述第二卷积神经网...

【专利技术属性】
技术研发人员：殷晨，赵明昌，莫若理，
申请(专利权)人：无锡祥生医疗科技股份有限公司，
类型：发明
国别省市：江苏;32