图像配准方法、计算机设备和存储介质技术

本申请涉及一种图像配准方法、计算机设备和存储介质。该方法包括：获取原始参考图像和原始浮动图像以及获取多种处理方式；该多种处理方式用于使原始参考图像上不同的关键区域以及原始浮动图像上不同的关键区域更清晰；采用多种处理方式分别对原始参考图像以及原始浮动图像进行图像处理，得到原始参考图像对应的各个参考特征图和原始浮动图像对应的各个浮动特征图；将各参考特征图和各浮动特征图输入至训练好的配准模型中进行配准处理，得到原始浮动图像和原始参考图像之间的空间变换关系；利用空间变换关系对原始浮动图像进行空间变换处理，得到原始浮动图像对应的转换浮动图像。采用本方法能够提高配准结果的准确性。

【技术实现步骤摘要】
图像配准方法、计算机设备和存储介质
本申请涉及图像处理
，特别是涉及一种图像配准方法、计算机设备和存储介质。
技术介绍
图像配准，指的是将两幅图像(两幅图像分别为参考图像和浮动图像)进行空间匹配的过程，一般是通过浮动图像和参考图像之间的空间变换关系，将浮动图像配准到参考图像的空间位置上。相关技术中，为了得到浮动图像和参考图像之间的空间变换关系，一般是通过将浮动图像和参考图像输入到神经网络中，通过神经网络对两幅图像进行处理，最终得到浮动图像和参考图像之间的空间变换关系。然而，上述技术得到的空间变换关系并不准确，从而会导致利用该空间变换关系对两幅图像进行配准的效果较差。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高配准效果的图像配准方法、计算机设备和存储介质。一种图像配准方法，该方法包括：获取原始参考图像和原始浮动图像以及获取多种处理方式；该多种处理方式用于使原始参考图像上不同的关键区域以及原始浮动图像上不同的关键区域更清晰；采用多种处理方式分别对原始参考图像以及原始浮动图像进行图像处理，得到原始参考图像对应的各个参考特征图和原始浮动图像对应的各个浮动特征图；将各参考特征图和各浮动特征图输入至训练好的配准模型中进行配准处理，得到原始浮动图像和原始参考图像之间的空间变换关系；利用空间变换关系对原始浮动图像进行空间变换处理，得到原始浮动图像对应的转换浮动图像。在其中一个实施例中，在上述采用多种处理方式分别对原始参考图像以及原始浮动图像进行图像处理，得到原始参考图像对应的各个参考特征图和原始浮动图像对应的各个浮动特征图之前，上述方法还包括：展示多种处理方式；获取用户从多种处理方式中选择的一种或者多种处理方式。在其中一个实施例中，上述获取多种处理方式，包括：对原始参考图像中的关键区域进行识别处理，得到原始参考图像中的多个关键区域；根据各关键区域在原始参考图像上的像素分布情况，确定与各关键区域的像素分布情况相对应的窗宽和窗位，得到多组窗宽和窗位的组合；将多组窗宽和窗位的组合确定为多种处理方式。在其中一个实施例中，上述获取多种处理方式，包括：获取不同的关键区域各自对应的窗宽和窗位，得到多组窗宽和窗位的组合；该不同的关键区域为原始参考图像上不同的关键区域或原始浮动图像上不同的关键区域，每组窗宽和窗位对应一个关键区域的像素分布情况；将多组窗宽和窗位的组合确定为多种处理方式。在其中一个实施例中，上述参考特征图的数量和浮动特征图的数量相同，且各个参考特征图和各个浮动特征图之间一一对应。在其中一个实施例中，上述配准模型的训练方式包括：获取训练图像集；该训练图像集包括多个训练图像对，每个训练图像对包括一个训练参考图像和对应的一个训练浮动图像；采用多种处理方式对各训练图像对进行图像处理，得到每个训练图像对所对应的各个训练参考特征图和各个训练浮动特征图；基于每个训练图像对所对应的各个训练参考特征图和各个训练浮动特征图对初始配准模型进行训练，得到配准模型。在其中一个实施例中，上述基于每个训练图像对所对应的各个训练参考特征图和各个训练浮动特征图对初始配准模型进行训练，得到配准模型，包括：将每个训练图像对所对应的各个训练参考特征图和各训练浮动特征图输入至初始配准模型中进行配准处理，得到每个训练图像对所对应的预测空间变换关系；利用预测空间变换关系对各训练浮动特征图进行空间变换处理，得到各训练浮动特征图对应的转换特征图；根据每个训练图像对所对应的预测空间变换关系和各转换特征图，对初始配准模型进行训练，得到配准模型。在其中一个实施例中，上述根据每个训练图像对所对应的预测空间变换关系和各转换特征图，对初始配准模型进行训练，得到配准模型，包括：根据每个训练图像对所对应的预测空间变换关系，得到每个训练图像对所对应的第一损失；计算各转换特征图和对应的训练参考特征图之间的损失，得到每个训练图像对所对应的第二损失；利用第一损失和第二损失对初始配准模型进行训练，得到配准模型。在其中一个实施例中，上述计算各转换特征图和对应的训练参考特征图之间的损失，得到每个训练图像对所对应的第二损失，包括：计算各转换特征图和对应的训练参考特征图之间的损失，得到各转换特征图对应的第三损失；采用预设的权重对各第三损失进行加权求和，得到第二损失。一种图像配准装置，该装置包括：获取模块，用于获取原始参考图像和原始浮动图像以及获取多种处理方式；该多种处理方式用于使原始参考图像上不同的关键区域以及原始浮动图像上不同的关键区域更清晰；处理模块，用于采用多种处理方式分别对原始参考图像以及原始浮动图像进行图像处理，得到原始参考图像对应的各个参考特征图和原始浮动图像对应的各个浮动特征图；配准模块，用于将各参考特征图和各浮动特征图输入至训练好的配准模型中进行配准处理，得到原始浮动图像和原始参考图像之间的空间变换关系；变换模块，用于利用空间变换关系对原始浮动图像进行空间变换处理，得到原始浮动图像对应的转换浮动图像。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取原始参考图像和原始浮动图像以及获取多种处理方式；该多种处理方式用于使原始参考图像上不同的关键区域以及原始浮动图像上不同的关键区域更清晰；采用多种处理方式分别对原始参考图像以及原始浮动图像进行图像处理，得到原始参考图像对应的各个参考特征图和原始浮动图像对应的各个浮动特征图；将各参考特征图和各浮动特征图输入至训练好的配准模型中进行配准处理，得到原始浮动图像和原始参考图像之间的空间变换关系；利用空间变换关系对原始浮动图像进行空间变换处理，得到原始浮动图像对应的转换浮动图像。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取原始参考图像和原始浮动图像以及获取多种处理方式；该多种处理方式用于使原始参考图像上不同的关键区域以及原始浮动图像上不同的关键区域更清晰；采用多种处理方式分别对原始参考图像以及原始浮动图像进行图像处理，得到原始参考图像对应的各个参考特征图和原始浮动图像对应的各个浮动特征图；将各参考特征图和各浮动特征图输入至训练好的配准模型中进行配准处理，得到原始浮动图像和原始参考图像之间的空间变换关系；利用空间变换关系对原始浮动图像进行空间变换处理，得到原始浮动图像对应的转换浮动图像。上述图像配准方法、装置、计算机设备和存储介质，通过获取原始参考图像和原始浮动图像，以及获取与原始参考图像和原始浮动图像上的像素分布情况相关的多种处理方式，采用各处理方式对原始参考图像和原始浮动图像分别进行处理，得到各个参考特征图和各个浮动特征图，并将各个参考特征图和各个浮动特本文档来自技高网...

【技术保护点】
1.一种图像配准方法，其特征在于，所述方法包括：/n获取原始参考图像和原始浮动图像以及获取多种处理方式；所述多种处理方式用于使所述原始参考图像上不同的关键区域以及所述原始浮动图像上不同的关键区域更清晰；/n采用所述多种处理方式分别对所述原始参考图像以及所述原始浮动图像进行图像处理，得到所述原始参考图像对应的各个参考特征图和所述原始浮动图像对应的各个浮动特征图；/n将各所述参考特征图和各所述浮动特征图输入至训练好的配准模型中进行配准处理，得到所述原始浮动图像和所述原始参考图像之间的空间变换关系；/n利用所述空间变换关系对所述原始浮动图像进行空间变换处理，得到所述原始浮动图像对应的转换浮动图像。/n

【技术特征摘要】
1.一种图像配准方法，其特征在于，所述方法包括：
获取原始参考图像和原始浮动图像以及获取多种处理方式；所述多种处理方式用于使所述原始参考图像上不同的关键区域以及所述原始浮动图像上不同的关键区域更清晰；
采用所述多种处理方式分别对所述原始参考图像以及所述原始浮动图像进行图像处理，得到所述原始参考图像对应的各个参考特征图和所述原始浮动图像对应的各个浮动特征图；
将各所述参考特征图和各所述浮动特征图输入至训练好的配准模型中进行配准处理，得到所述原始浮动图像和所述原始参考图像之间的空间变换关系；
利用所述空间变换关系对所述原始浮动图像进行空间变换处理，得到所述原始浮动图像对应的转换浮动图像。


2.根据权利要求1所述的方法，其特征在于，在所述采用所述多种处理方式分别对所述原始参考图像以及所述原始浮动图像进行图像处理，得到所述原始参考图像对应的各个参考特征图和所述原始浮动图像对应的各个浮动特征图之前，所述方法还包括：
展示所述多种处理方式；
获取用户从所述多种处理方式中选择的一种或者多种处理方式。


3.根据权利要求1所述的方法，其特征在于，所述获取多种处理方式，包括：
对所述原始参考图像中的关键区域进行识别处理，得到所述原始参考图像中的多个关键区域；
根据各所述关键区域在所述原始参考图像上的像素分布情况，确定与各所述关键区域的像素分布情况相对应的窗宽和窗位，得到多组窗宽和窗位的组合；
将所述多组窗宽和窗位的组合确定为所述多种处理方式。


4.根据权利要求1所述的方法，其特征在于，所述获取多种处理方式，包括：
获取所述不同的关键区域各自对应的窗宽和窗位，得到多组窗宽和窗位的组合；所述不同的关键区域为所述原始参考图像上不同的关键区域或所述原始浮动图像上不同的关键区域，每组窗宽和窗位对应一个所述关键区域的像素分布情况；
将所述多组窗宽和窗位的组合确定为所述多种处理方式。


5.根据权利要求1-4任意一项所述的方法，其特征在于，所述配准模型的训练方式包括：
获取训练图像集；所述训练图像集包括多个训练图像对，每个训练图像对包括一个训练参考图像和对应的一个训练浮动图像；
采用所...

【专利技术属性】
技术研发人员：马姗姗，曹晓欢，薛忠，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海;31