CN113570645A - 图像配准方法、装置、计算机设备及介质 - Google Patents
图像配准方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN113570645A CN113570645A CN202110069374.9A CN202110069374A CN113570645A CN 113570645 A CN113570645 A CN 113570645A CN 202110069374 A CN202110069374 A CN 202110069374A CN 113570645 A CN113570645 A CN 113570645A
- Authority
- CN
- China
- Prior art keywords
- image
- registration
- degree
- overlap
- target image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
Abstract
本申请实施例公开了一种图像配准方法、装置、计算机设备及介质,属于图像处理技术领域。该方法包括:获取图像组,所述图像组包括参考图像和目标图像;采用第一配准方式,根据所述参考图像对所述目标图像进行配准,得到第一备选配准图像;响应于第一重叠度不大于参考重叠度,采用第二配准方式,根据所述参考图像对所述目标图像进行配准,得到第二备选配准图像;响应于第二重叠度大于所述参考重叠度,将所述第二备选配准图像确定为所述目标图像对应的配准图像。该方法采用了多种配准方式共同确定配准图像,适用范围更广,能够对不同类型的图像进行准确地配准,提高了图像配准的准确率和成功率。
Description
技术领域
本申请实施例涉及图像处理技术领域,特别涉及一种图像配准方法、装置、计算机设备及介质。
背景技术
图像配准是指对同一对象的不同图像进行匹配的过程,图像配准广泛应用于图像三维重构、遥感图像分析、医学图像处理等领域。例如,在医学图像处理领域中,对同一对象在不同时间采集的不同CT(Computed Tomography,计算机断层扫描)图像进行图像配准,能够确定该对象的变化情况。但是,相关技术中的图像配准方式不够精确,容易出现配准失败的情况。
发明内容
本申请实施例提供了一种图像配准方法、装置、计算机设备及介质,提高了图像配准的准确率和成功率。所述技术方案如下:
一方面,提供了一种图像配准方法,所述方法包括:
获取图像组,所述图像组包括参考图像和目标图像,所述参考图像和所述目标图像为目标对象在不同时间点的图像;
采用第一配准方式,根据所述参考图像对所述目标图像进行配准,得到第一备选配准图像;
响应于第一重叠度不大于参考重叠度,采用第二配准方式,根据所述参考图像对所述目标图像进行配准,得到第二备选配准图像,所述第一配准方式与所述第二配准方式不同,所述第一重叠度是指所述第一备选配准图像与所述参考图像之间的重叠度;
响应于第二重叠度大于所述参考重叠度,将所述第二备选配准图像确定为所述目标图像对应的配准图像,所述第二重叠度是指所述第二备选配准图像与所述参考图像之间的重叠度。
另一方面,提供了一种图像配准装置,所述装置包括:
图像组获取模块,用于获取图像组,所述图像组包括参考图像和目标图像,所述参考图像和所述目标图像为目标对象在不同时间点的图像;
第一配准模块,用于采用第一配准方式,根据所述参考图像对所述目标图像进行配准,得到第一备选配准图像;
第二配准模块,用于响应于第一重叠度不大于参考重叠度,采用第二配准方式,根据所述参考图像对所述目标图像进行配准,得到第二备选配准图像,所述第一配准方式与所述第二配准方式不同,所述第一重叠度是指所述第一备选配准图像与所述参考图像之间的重叠度;
配准图像确定模块,用于响应于第二重叠度大于所述参考重叠度,将所述第二备选配准图像确定为所述目标图像对应的配准图像,所述第二重叠度是指所述第二备选配准图像与所述参考图像之间的重叠度。
在一种可能实现方式中,所述配准图像确定模块,还用于响应于所述第一重叠度大于所述参考重叠度,将所述第一备选配准图像确定为所述目标图像对应的配准图像。
在另一种可能实现方式中,所述第一配准模块,还用于响应于所述第一重叠度不大于所述参考重叠度,且第一配准次数小于参考次数,继续执行所述采用第一配准方式,根据所述参考图像对所述目标图像进行配准,得到第一备选配准图像的步骤,直至最后一次配准得到的第一重叠度大于所述参考重叠度,或者所述第一配准次数等于所述参考次数,所述第一配准次数是指采用所述第一配准方式对所述目标图像进行配准的次数。
在另一种可能实现方式中,所述第二配准模块,用于响应于所述最后一次配准得到的第一重叠度不大于所述参考重叠度,且所述第一配准次数等于所述参考次数,采用所述第二配准方式,根据所述参考图像对所述目标图像进行配准,得到第二备选配准图像。
在另一种可能实现方式中,所述第二配准模块,还用于响应于所述第二重叠度不大于所述参考重叠度,且第二配准次数小于所述参考次数,继续执行所述采用第二配准方式,根据所述参考图像对所述目标图像进行配准,得到第二备选配准图像的步骤,直至最后一次配准得到的第二重叠度大于所述参考重叠度,或者所述第二配准次数等于所述参考次数,所述第一配准次数是指采用所述第二配准方式对所述目标图像进行配准的次数。
在另一种可能实现方式中,所述装置还包括第三配准模块,
所述配准图像确定模块,还用于响应于所述最后一次配准得到的第二重叠度不大于所述参考重叠度,且所述第二配准次数等于所述参考次数,确定配准得到的多个第一重叠度和多个第二重叠度中的最大重叠度,将所述最大重叠度对应的备选配准图像,确定为所述目标图像对应的配准图像;或者,
所述第三配准模块,用于响应于所述最后一次配准得到的第二重叠度不大于所述参考重叠度,且所述第二配准次数等于所述参考次数,采用第三配准方式,根据所述参考图像对所述目标图像进行配准,得到第三备选配准图像,所述第三配准方式与所述第一配准方式和所述第二配准方式不同。
在另一种可能实现方式中,配准方式包括以下至少两种:
根据所述参考图像中的多个位置点的参考位置,对所述目标图像中的多个位置点进行移动,得到配准后的图像;
根据所述参考图像中的多个位置点的参考位置,将所述目标图像中的多个位置点映射至目标空间,得到配准后的图像;
调用图像配准模型,根据所述参考图像对所述目标图像进行配准,得到配准后的图像。
在另一种可能实现方式中,所述参考图像和所述目标图像为脑部的计算机断层扫描CT图像,所述装置还包括:
预处理模块,用于对原始的参考图像和目标图像进行去颅骨处理,得到处理后的参考图像和目标图像。
在另一种可能实现方式中,所述参考图像和所述目标图像为脑部的计算机断层扫描CT图像,所述装置还包括:
预处理模块,还用于对所述配准图像进行去颅骨处理,得到处理后的配准图像。
在另一种可能实现方式中,所述参考图像和所述目标图像为脑部的计算机断层扫描CT图像,所述装置还包括:
预处理模块,还用于分别确定原始的参考图像和目标图像中每个位置点对应的吸收参数,所述吸收参数用于表示所述位置点对射线的吸收程度;
所述预处理模块,还用于分别将所述参考图像和所述目标图像对应的多个吸收参数中小于第一参考参数的吸收参数调整为所述第一参考参数,将所述多个吸收参数中大于第二参考参数的吸收参数调整为所述第二参考参数,得到调整后的参考图像和调整后的目标图像。
在另一种可能实现方式中,所述图像组包括多个,所述配准图像确定模块,还用于在确定多个图像组对应的配准图像后,确定多个配准图像对应的多个重叠度中的最大重叠度,将所述最大重叠度对应的配准图像确定为所述目标图像对应的配准图像。
另一方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条计算机程序,所述至少一条计算机程序由所述处理器加载并执行,以实现如上述方面所述的图像配准方法中所执行的操作。
另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条计算机程序,所述至少一条计算机程序由处理器加载并执行,以实现如上述方面所述的图像配准方法中所执行的操作。
另一方面,提供了一种计算机程序产品或计算机程序,所述计算机程序产品或所述计算机程序包括计算机程序代码,所述计算机程序代码存储在计算机可读存储介质中,计算机设备的处理器从计算机可读存储介质读取所述计算机程序代码,处理器执行所述计算机程序代码,使得所述计算机设备实现如上述方面所述的图像配准方法中所执行的操作。
本申请实施例提供的技术方案带来的有益效果至少包括:
本申请实施例提供的方法、装置、计算机设备及介质,在采用第一配准方式进行配准得到的图像不满足要求的情况下,继续采用第二配准方式进行配准,直至得到满足要求的配准图像,与相关技术中仅采用一种配准方式相比较,本申请采用了多种配准方式共同确定配准图像,适用范围更广,能够对不同类型的图像进行准确地配准,提高了图像配准的准确率和成功率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请实施例的一些实施例,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。
图1是本申请实施例提供的一种图像配准方法的流程图;
图2是本申请实施例提供的另一种图像配准方法的流程图;
图3是本申请实施例提供的另一种图像配准方法的流程图;
图4是本申请实施例提供的一种图像配准网络的示意图;
图5是本申请实施例提供的一种CT图像的示意图;
图6是本申请实施例提供的另一种图像配准网络的示意图;
图7是本申请实施例提供的一种配准图像的示意图;
图8是本申请实施例提供的另一种图像配准方法的流程图;
图9是本申请实施例提供的一种图像配准装置的结构示意图;
图10是本申请实施例提供的另一种图像配准装置的结构示意图;
图11是本申请实施例提供的一种终端的结构示意图;
图12是本申请实施例提供的一种服务器的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种概念,但除非特别说明,这些概念不受这些术语限制。这些术语仅用于将一个概念与另一个概念区分。举例来说,在不脱离本申请的范围的情况下,可以将第一重叠度称为第二重叠度,将第二重叠度称为第一重叠度。
本申请所使用的术语“至少一个”、“多个”、“每个”、“任一”等,至少一个包括一个、两个或两个以上,多个包括两个或两个以上,每个是指对应的多个中的每一个,任一是指多个中的任意一个。举例来说,多个配准图像包括3个配准图像,而每个配准图像是指这3个配准图像中的每一个配准图像,任一是指这3个配准图像中的任意一个,可以是第一个,可以是第二个,也可以是第三个。
为了便于理解本申请实施例,先对本申请实施例涉及到的关键词进行解释:
CT图像:计算机断层扫描图像,是采用X射线对人体中具有一定厚度的层面进行扫描,并接收透过该层面的X射线,对接收到的X射线进行处理,得到CT图像。
配准:指同一对象的不同图像的匹配,包括几何纠正、投影变换与统一比例尺等处理。
BET(Brain Extraction Tool,脑部提取工具):是一种去颅骨算法,能够对包括颅骨区域的图像进行处理,以去除图像中的颅骨区域。
刚体变换:在三维空间中,将一个几何物体作旋转、平移的运动。
仿射变换:指在几何中,对一个向量空间进行一次几何变换并进行一次平移,变换到另一个向量空间的运动。
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
计算机视觉技术(Computer Vision,CV)计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR(Optical Character Recognition,光学字符识别)、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术,还包括常见的人脸识别、指纹识别等生物特征识别技术。
机器学习(Machine Learning,ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、示教学习等技术。
随着人工智能技术研究和进步,人工智能技术在多个领域展开研究和应用,例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服等,相信随着技术的发展,人工智能技术将在更多的领域得到应用,并发挥越来越重要的价值。
本申请实施例提供的图像配准方法应用于计算机设备,该计算机设备为终端或服务器。可选地,终端为电脑、手机、平板电脑或者其他终端。服务器是独立的物理服务器,或者是多个物理服务器构成的服务器集群或者分布式系统,或者是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(ContentDelivery Network,内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。
图1是本申请实施例提供的一种图像配准方法的流程图。本申请实施例的执行主体为计算机设备。参见图1,该方法包括以下步骤:
101、获取图像组,该图像组包括参考图像和目标图像。
其中,参考图像和目标图像为目标对象在不同时间点的图像,目标对象为人、动物、植物、物体等,目标图像为待配准的图像,参考图像为目标图像在进行配准时参考的图像,即目标图像按照参考图像中的各个位置点进行配准。例如,目标图像为目标对象在当前时间点的图像,参考图像为目标对象在当前时间点之前一个月的同一时间点的图像。
可选地,参考图像和目标图像为计算机设备采集的图像,或者是由其他计算机设备发送的图像。可选地,参考图像和目标图像为采用不同的图像采集方式采集的图像。例如,参考图像和目标图像为采用相机拍摄的图像,或者为采用X射线进行扫描得到的CT图像,或者是采用其他方式获取的。
在一种可能实现方式中,参考图像和目标图像为进行预处理后的图像,例如,对参考图像和目标图像进行滤波处理、图像增强处理、去颅骨处理等。针对不同的参考图像和目标图像,或者针对不同的应用场景,能够采用不同的预处理方式进行处理。
102、采用第一配准方式,根据参考图像对目标图像进行配准,得到第一备选配准图像。
本申请实施例中,能够采用多种配准方式对目标图像进行配准,本申请实施例对图像配准过程中先采用哪种配准方式,后采用哪种配准方式不做限制。
在一种可能实现方式中,多种配准方式包括:
第一种:根据参考图像中的多个位置点的参考位置,对目标图像中的多个位置点进行移动,得到配准后的图像。其中,参考图像和目标图像中包括多个位置点,位置点的移动包括位置点的平移、旋转等移动。
在一种可能实现方式中,获取初始配准矩阵,该初始配准矩阵用于对目标图像进行配准,在采用初始配准矩阵对目标图像进行配准的过程中,根据参考图像中每个位置点所处的位置,调整初始配准矩阵中的每个元素,以使调整后的每个元素能够表示参考图像中对应的位置点所处的位置,将调整后的初始配准矩阵与目标图像相乘,得到配准后的图像。
第二种:根据参考图像中的多个位置点的参考位置,将目标图像中的多个位置点映射至目标空间,得到配准后的图像。其中,多个位置点中的任两个位置点相互连接构成一个向量,目标图像的多个位置点位于一个向量空间,目标空间是不同于该向量空间的另一个向量空间,即对目标图像中多个位置点构成的多个向量进行向量映射,得到配准后的图像。
可选地,向量映射是指对向量进行一次线性变换以及一次平移。例如,采用下述公式对目标图像中的多个向量进行映射:
第三种:调用图像配准模型,根据参考图像对目标图像进行配准,得到配准后的图像。其中,图像配准模型为计算机设备训练的机器学习模型,或者是由其他设备发送给该计算机设备的机器学习模型,参考图像和目标图像为图像配准模型的输入,配准后的图像为图像配准模型的输出。
其中,第一配准方式可以是上述多种配准方式中的任一种。
103、响应于第一重叠度不大于参考重叠度,采用第二配准方式,根据参考图像对目标图像进行配准,得到第二备选配准图像。
其中,第一重叠度是指第一备选配准图像与参考图像之间的重叠度,重叠度用于表示备选配准图像与参考图像中相同区域的重叠程度,该重叠度越大表示图像配准效果越好,重叠度越小表示图像配准效果越差,参考重叠度为任一数值,参考重叠度的取值范围为0-1。
第一重叠度不大于参考重叠度即是指当前得到的第一备选配准图像不满足配准条件,还需要重新对目标图像进行配准。其中,配准条件是指备选配准图像对应的重叠度大于参考重叠度,重新对目标图像进行配准时采用的第二配准方式与第一配准方式不同。不同的配准方式适用于不同类型的图像,所以针对某一图像来说,仅采用一种方式可能会导致配准不准确,而采用多种方式便于找到针对该目标图像的合适的配准方式,以提高图像配准的准确率。
例如,目标图像和参考图像的拍摄角度相同、拍摄时间不同,由于难以保证两次拍摄的角度完全相同,因此对目标图像进行简单地旋转或平移即可与参考图像相匹配,此时采用上述第一种图像配准方式即可对目标图像进行准确配准;如果目标图像和参考图像的拍摄角度和拍摄时间均不同,如果想要对目标图像进行配准,需要对目标图像中的位置点进行较多的改变,此时采用上述第二种图像配准方式或第三种图像配准方式即可对目标图像进行准确配准。
104、响应于第二重叠度大于参考重叠度,将第二备选配准图像确定为目标图像对应的配准图像。
其中,第二重叠度是指第二备选配准图像与参考图像之间的重叠度。第二重叠度大于参考重叠度即是指当前得到的第二备选配准图像满足配准条件,将该第二备选配准图像确定为目标图像对应的配准图像。
需要说明的是,本申请实施例仅是以两种配准方式为例进行说明,在另一实施例中,在第二配准方式得到的备选配准图像不满足配准要求的情况下,还能够继续采用第三配准方式、第四配准方式等进行配准。其中,第三配准方式、第四配准方式与第一配准方式和第二配准方式互不相同。
本申请实施例提供的方法,在采用第一配准方式进行配准得到的图像不满足要求的情况下,继续采用第二配准方式进行配准,直至得到满足要求的配准图像,与相关技术中仅采用一种配准方式相比较,本申请采用了多种配准方式共同确定配准图像,适用范围更广,能够对不同类型的图像进行准确地配准,提高了图像配准的准确率和成功率。
上述图1所示的实施例中,仅是以采用一种配准方式进行一次配准,当一次配准得到的备选配准图像不满足配准要求时,即采用另一种配准方式继续对目标图像进行配准,直至得到满足配准要求的配准图像。本申请实施例中,为了避免一次配准过程的偶然性,采用一种配准方式对目标对象进行多次配准,当多次配准得到的备选配准图像均不满足配准要求时,继续采用另一种配准方式继续对目标对象进行配准,采用一种配准方式进行多次配准的配准过程参见下述图2所示的实施例。
图2是本申请实施例提供的另一种图像配准方法的流程图。本申请实施例执行主体为计算机设备。参见图2,该方法包括以下步骤:
201、获取包括参考图像和目标图像的图像组。
步骤201与上述步骤101同理,在此不再赘述。
202、采用第一配准方式,根据参考图像对目标图像进行配准,得到第一备选配准图像,确定该第一备选配准图像对应的第一重叠度。
本申请实施例中,在得到第一备选配准图像之后,先确定该第一备选配准图像对应的第一重叠度是否大于参考重叠度,如果第一重叠度大于参考重叠度,则不再执行步骤203,直接将得到的第一备选配准图像确定为目标图像对应的配准图像。如果第一重叠度不大于参考重叠度,则执行步骤203。
在一种可能实现方式中,采用DICE(Dice similarity coefficient,相似度度量函数)来表示重叠度,采用下述公式获取第一重叠度:
其中,s表示第一重叠度,X表示目标图像,Y表示第一备选配准图像,|X|表示目标图像的面积,|Y|表示第一备选配准图像的面积,|X∩Y|表示目标图像和第一备选配准图像中重叠部分的面积。
203、响应于第一重叠度不大于参考重叠度,且第一配准次数小于参考次数,继续执行步骤202,直至最后一次配准得到的第一重叠度不大于参考重叠度,且第一配准次数等于参考次数,执行步骤204。
其中,第一配准次数表示采用第一配准方式对目标图像进行配准的次数,计算机设备每采用第一配准方式对目标图像进行一次配准,第一配准次数加1,参考次数为任一次数。例如,参考次数为10次、20次等。
本申请实施例中,在第一重叠度不大于参考重叠度的情况下,确定当前的第一配准次数是否小于参考次数,如果等于参考次数,则表示采用第一配准方式对目标图像进行配准的次数已达到最大次数,需要采用其他配准方式对目标图像进行配准,则不再执行步骤202,直接执行步骤204。如果第一配准次数小于参考次数,则表示采用第一配准方式对目标图像进行配准的次数还未达到最大次数,还需要继续采用第一配准方式对目标图像进行配准,即继续执行步骤202。
在一种可能实现方式中,当第一配准方式为上述图1所示的实施例中的第一种图像配准方式时,每次采用第一配准方式对目标图像进行配准时,均会随机获取初始配准矩阵。
204、采用第二配准方式,根据参考图像对目标图像进行配准,得到第二备选配准图像,确定该第二备选配准图像对应的第二重叠度。
本申请实施例中,在得到第二备选配准图像之后,先确定该第二备选配准图像对应的第二重叠度是否大于参考重叠度,如果第二重叠度大于参考重叠度,则不再执行步骤205,直接将得到的第二备选配准图像确定为目标图像对应的配准图像。如果第二重叠度不大于参考重叠度,则执行步骤205。
其中,第二重叠度的获取方式与上述第一重叠度的获取方式类似,在此不再赘述。
205、响应于第二重叠度不大于参考重叠度,且第二配准次数小于参考次数,继续执行步骤204,直至最后一次配准得到的第二重叠度不大于参考重叠度,且第二配准次数等于参考次数,执行步骤206。
其中,第二配准次数表示采用第二配准方式对目标图像进行配准的次数,计算机设备每采用第二配准方式对目标图像进行一次配准,第二配准次数加1,参考次数为任一次数。
本申请实施例中,在第二重叠度不大于参考重叠度的情况下,确定当前的第二配准次数是否小于参考次数,如果等于参考次数,则表示采用第二配准方式对目标图像进行配准的次数已达到最大次数,需要采用其他配准方式对目标图像进行配准,或者需要从已得到的多个备选配准图像中,选取一个备选配准图像作为目标图像对应的配准图像,则不再执行步骤204,直接执行步骤206。如果第二配准次数小于参考次数,则表示采用第二配准方式对目标图像进行配准的次数还未达到最大次数,还需要继续采用第二配准方式对目标图像进行配准,即继续执行步骤204。
206、确定配准得到的多个第一重叠度和多个第二重叠度中的最大重叠度,将该最大重叠度对应的备选配准图像确定为目标图像对应的配准图像。
在得到的多个备选配准图像对应的重叠度均不满足配准条件的情况下,从已经得到的多个重叠度中选取出最大的重叠度,将该最大的重叠度对应的备选配准图像确定为目标图像对应的配准图像。其中,如果最大重叠度为多个第一重叠度中的,则将对应的第一备选配准图像确定为目标图像对应的配准图像,如果最大重叠度为多个第二重叠度中的,则将对应的第二备选配准图像确定为目标图像对应的配准图像。
在一种可能实现方式中,采用下述步骤替换步骤206:响应于最后一次配准得到的第二重叠度不大于参考重叠度,且第二配准次数等于参考次数,采用第三配准方式,根据参考图像对目标图像进行配准,得到第三备选配准图像,响应于第三配准图像对应的重叠度大于参考重叠度,将该第三备选配准图像确定为目标图像对应的配准图像。即在得到的多个备选配准图像对应的重叠度均不满足配准条件的情况下,继续采用其他配准方式对目标图像进行配准,直至得到满足配准条件的配准图像。
本申请实施例提供的方法,在采用第一配准方式进行多次配准得到的图像不满足要求的情况下,继续采用第二配准方式进行配准,直至得到满足要求的配准图像,与相关技术中仅采用一种配准方式相比较,采用了多种配准方式共同确定配准图像,适用范围更广,能够对不同类型的图像进行准确地配准,且采用每种配准方式进行多次配准,能够避免一次配准过程的偶然性,提高了图像配准的准确率和成功率。
并且,如果需要较高的配准准确率,则将参考重叠度和参考次数设置为较大的数值,以得到准确率更高的配准图像,如果需要的配准准确率较低,则将参考重叠度和参考次数设置为较小的数值,以更快地得到配准图像,根据对配准效果的要求,设置参考重叠度和参考次数,提高了灵活性。
在一种可能实现方式中,参见图3,以采用刚体配准和仿射配准这两种配准方式,每种方式最多配准n次为例,对目标图像的配准过程进行说明,配准过程参见如下步骤:
301、获取参考图像和目标图像。
302、采用刚体配准,对参考图像和目标图像进行处理,得到第一备选配准图像。
303、确定该第一备选配准图像与参考图像之间的第一重叠度是否大于参考重叠度,如果第一重叠度大于参考重叠度,则执行步骤309,如果第一重叠度不大于参考重叠度,则执行步骤304。
304、确定当前的第一配准次数是否小于n次,如果第一配准次数小于n次,则再次执行步骤302,如果第一配准次数等于n次,则执行步骤305。
305、采用仿射配准,对参考图像和目标图像进行处理,得到第二备选配准图像。
306、确定该第二备选配准图像与参考图像之间的第二重叠度是否大于参考重叠度,如果第二重叠度大于参考重叠度,则执行步骤309,如果第二重叠度不大于参考重叠度,则执行步骤307。
307、确定当前的第二配准次数是否小于n次,如果第二配准次数小于n次,则再次执行步骤305,如果第二配准次数等于n次,则执行步骤308。
308、确定n个第一重叠度和n个第二重叠度中的最大重叠度,获取该最大重叠度对应的备选配准图像。
309、将当前得到的备选配准图像确定为目标图像的配准图像。
在一种可能实现方式中,参见图4所示的图像配准网络,该图像配准网络中包括输入模块401、第一配准模块402、第一重叠度对比模块403、第一次数对比模块404、第二配准模块405、第二重叠度对比模块406、第二次数对比模块407、选择模块408和输出模块409。
其中,输入模块401用于执行步骤301,第一配准模块402用于执行步骤302,第一重叠度对比模块403用于执行步骤303,第一次数对比模块404用于执行步骤304,第二配准模块405用于执行步骤305,第二重叠度对比模块406用于执行步骤306,第二次数对比模块407用于执行步骤307,选择模块408用于执行步骤308,输出模块409用于执行步骤309。
上述实施例中均以对一个图像组进行处理为例进行说明,在一种可能实现方式中,图像组可以包括多个,在图像组包括多个的情况下,得到多个配准图像,确定多个配准图像对应的多个重叠度中的最大重叠度,将该最大重叠度对应的配准图像确定为目标图像对应的配准图像。
在一种可能实现方式中,对原始的参考图像和目标图像采用不同的图像预处理方式进行处理,得到处理后的参考图像和目标图像,从而得到多个图像组。其中,一个图像组中包括原始的参考图像和目标图像,其他的图像组中分别包括采用不同的图像预处理方式处理得到的参考图像和目标图像。
本申请实施例中,以参考图像和目标图像均为脑部的CT图像为例,对多个图像组的处理过程进行说明。参见图5所示的CT图像,其中,CT图像中的白色区域为颅骨区域,白色区域内部的区域为需要进行配准的脑部区域,因此,颅骨区域对于CT图像来说是无需进行配准的,在图像配准过程中需要去除颅骨区域,而采用不同的预处理方式对CT图像进行处理,可能最终实现的图像配准效果不同。
在一种可能实现方式中,参见图6所示的图像配准框架,该图像配准框架中包括输入网络、三个不同的配准单元、选择网络和输出网络。其中,第一配准单元和第二配准单元均包括去颅骨网络和图像配准网络,不同的是,在第一配准单元中,输入网络与去颅骨网络连接,去颅骨网络与图像配准网络连接,在第二配准单元中,输入网络与图像配准网络连接,图像配准网络与去颅骨网络连接;第三配准单元包括取脑窗模块、图像配准网络和去颅骨网络,输入网络与取脑窗模块连接,取脑窗模块与图像配准网络连接,图像配准网络与去颅骨网络连接。
其中,第一个配准单元对目标图像和参考图像的处理过程为:先采用去颅骨网络对原始的目标图像和参考图像进行去颅骨处理,得到去除颅骨后的目标图像和参考图像,再采用图像配准网络对去除颅骨后的目标图像和参考图像进行配准,得到配准图像。第二个配准单元对目标图像和参考图像的处理过程为:先采用图像配准网络对原始的目标图像和参考图像进行配准,得到包含颅骨区域的配准图像,再采用去颅骨网络对得到的配准图像进行去颅骨处理,得到最终的配准图像。第三个配准单元对目标图像和参考图像的处理过程为:先采用取脑窗模块对原始的目标图像和参考图像进行取脑窗处理,得到取脑窗后的目标图像和参考图像,然后采用图像配准网络对取脑窗后的目标图像和参考图像进行配准,得到配准图像,再采用去颅骨网络对得到的配准图像进行去颅骨处理,得到最终的配准图像。
其中,图像配准网络对目标图像的配准过程详见上述图2所示的实施例,图像配准网络的结构详见上述图4;去颅骨网络中采用机器学习模型对原始的目标图像和参考图像进行识别,确定目标图像和参考图像中的颅骨区域,去除颅骨区域,得到去除颅骨后的目标图像和参考图像;取脑窗模块中调整原始的目标图像和参考图像中每个位置对应的吸收参数,得到调整后的目标图像和参考图像,选择网络用于从三个配准单元得到的配准图像中选择一个配准图像,输出网络用于输出选择的配准图像。
在一种可能实现方式中,分别确定原始的参考图像和目标图像中每个位置点对应的吸收参数;分别将原始的参考图像和目标图像对应的多个吸收参数中小于第一参考参数的吸收参数调整为第一参考参数,将多个吸收参数中大于第二参考参数的吸收参数调整为第二参考参数,得到调整后的参考图像和调整后的目标图像。其中,吸收参数用于表示位置点对X射线的吸收程度,吸收参数的范围为-1000HU-1000HU,HU(Hounsfield Units,亨氏单位)为吸收参数的单位,第一参考参数小于第二参考参数,第一参考参数和第二参考参数为-1000-1000中的任一参数。例如,第一参考参数为40,第二参考参数为80。
例如,采用上述图6所示的图像配准框架,对原始的目标图像和参考图像进行图像配准处理,得到图7所示的配准图像。其中,左侧的两个图像为配准迁的原始的参考图像和目标图像,第一个图像为原始的参考图像,第二个图像为原始的目标图像,右侧的两个图像为处理后的图像,第一个为处理后的参考图像,在配准过程中仅是对该参考图像进行了去颅骨处理,因此得到的参考图像与原始的参考图像相比,仅是去除了颅骨区域,第二个为处理后的配准图像,可以看出,该配准图像与参考图像的形状、大小、方向等基本相同。
本申请实施例提供的方法能够应用于多种场景下。例如,应用于医疗场景下,采用本申请实施例提供的方法对CT图像进行配准,得到的配准图像,该配准图像仅是辅助医生确定病人的身体状况的一种依据,还需要结合其他相关的信息或病人的身体情况,来确定病人的诊断结果;例如,应用于机器学习中的图像预处理场景下,采用本申请实施例提供的方法对原始的图像进行配准,采用配准后的图像进行后续的图像识别、图像分割等处理。下面通过图8所示的实施例,对应用于医疗场景下进行详细说明。
图8是本申请实施例提供的另一种图像配准方法的流程图。本申请实施例的执行主体为计算机设备,参见图8,该方法包括以下步骤:
801、获取原始的参考CT图像和目标CT图像。
采用上述图6所示的图像配准框架对参考CT图像和目标CT图像进行处理,步骤802-步骤803为第一个配准单元的处理过程,步骤804-步骤805为第二个配准单元的处理过程,步骤806-步骤808为第三个配准单元的处理过程。
802、对原始的参考CT图像和目标CT图像进行去颅骨处理,得到去除颅骨后的CT图像和目标CT图像。
803、采用图像配准网络对去除颅骨后的目标CT图像和参考CT图像进行配准,得到配准图像。
804、采用图像配准网络对原始的目标CT图像和参考CT图像进行配准,得到包含颅骨区域的配准图像。
805、对包含颅骨区域的配准图像进行去颅骨处理,得到去除颅骨后的配准图像。
806、调整原始的目标CT图像和参考CT图像中的吸收参数,得到调整后的目标CT图像和参考CT图像。
807、采用图像配准网络对调整后的目标CT图像和参考CT图像进行配准,得到包含颅骨区域的配准图像。
808、对包含颅骨区域的配准图像进行去颅骨处理,得到去除颅骨后的配准图像。
809、从得到的三个配准图像中选取一个配准图像,作为目标CT图像对应的配准图像。
其中,目标CT图像为在当前时间点拍摄的病人的脑部CT图像,参考CT图像为在当前时间点之前拍摄的病人的脑部CT图像,由于病人的脑部组织结构不会随着时间的变化而产生拉伸或变形,因此如果病人没有脑部组织没有异常的话,对目标CT图像进行配准得到的配准图像与参考CT图像应该是一致的,但是如果病人的脑部组织发生病变,那么对目标CT图像进行配准得到的配准图像与参考CT图像也会存在较大的差异。
需要说明的是,本申请实施例仅是以脑部的CT图像为例进行说明,在另一实施例中可以是肺部的CT图像或其他CT图像。
图9是本申请实施例提供的一种图像配准装置的结构示意图。参见图9,该装置包括:
图像组获取模块901,用于获取图像组,图像组包括参考图像和目标图像,参考图像和目标图像为目标对象在不同时间点的图像;
第一配准模块902,用于采用第一配准方式,根据参考图像对目标图像进行配准,得到第一备选配准图像;
第二配准模块903,用于响应于第一重叠度不大于参考重叠度,采用第二配准方式,根据参考图像对目标图像进行配准,得到第二备选配准图像,第一配准方式与第二配准方式不同,第一重叠度是指第一备选配准图像与参考图像之间的重叠度;
配准图像确定模块904,用于响应于第二重叠度大于参考重叠度,将第二备选配准图像确定为目标图像对应的配准图像,第二重叠度是指第二备选配准图像与参考图像之间的重叠度。
本申请实施例提供的装置,在采用第一配准方式进行配准得到的图像不满足要求的情况下,继续采用第二配准方式进行配准,直至得到满足要求的配准图像,与相关技术中仅采用一种配准方式相比较,本申请采用了多种配准方式共同确定配准图像,适用范围更广,能够对不同类型的图像进行准确地配准,提高了图像配准的准确率和成功率。
在一种可能实现方式中,配准图像确定模块904,还用于响应于第一重叠度大于参考重叠度,将第一备选配准图像确定为目标图像对应的配准图像。
在另一种可能实现方式中,第一配准模块902,还用于响应于第一重叠度不大于参考重叠度,且第一配准次数小于参考次数,继续执行采用第一配准方式,根据参考图像对目标图像进行配准,得到第一备选配准图像的步骤,直至最后一次配准得到的第一重叠度大于参考重叠度,或者第一配准次数等于参考次数,第一配准次数是指采用第一配准方式对目标图像进行配准的次数。
在另一种可能实现方式中,第二配准模块903,用于响应于最后一次配准得到的第一重叠度不大于参考重叠度,且第一配准次数等于参考次数,采用第二配准方式,根据参考图像对目标图像进行配准,得到第二备选配准图像。
在另一种可能实现方式中,第二配准模块903,还用于响应于第二重叠度不大于参考重叠度,且第二配准次数小于参考次数,继续执行采用第二配准方式,根据参考图像对目标图像进行配准,得到第二备选配准图像的步骤,直至最后一次配准得到的第二重叠度大于参考重叠度,或者第二配准次数等于参考次数,第一配准次数是指采用第二配准方式对目标图像进行配准的次数。
在另一种可能实现方式中,参见图10,该装置还包括第三配准模块905,
配准图像确定模块904,还用于响应于最后一次配准得到的第二重叠度不大于参考重叠度,且第二配准次数等于参考次数,确定配准得到的多个第一重叠度和多个第二重叠度中的最大重叠度,将最大重叠度对应的备选配准图像,确定为目标图像对应的配准图像;或者,
第三配准模块905,用于响应于最后一次配准得到的第二重叠度不大于参考重叠度,且第二配准次数等于参考次数,采用第三配准方式,根据参考图像对目标图像进行配准,得到第三备选配准图像,第三配准方式与第一配准方式和第二配准方式不同。
在另一种可能实现方式中,配准方式包括以下至少两种:
根据参考图像中的多个位置点的参考位置,对目标图像中的多个位置点进行移动,得到配准后的图像;
根据参考图像中的多个位置点的参考位置,将目标图像中的多个位置点映射至目标空间,得到配准后的图像;
调用图像配准模型,根据参考图像对目标图像进行配准,得到配准后的图像。
在另一种可能实现方式中,参考图像和目标图像为脑部的计算机断层扫描CT图像,参见图10,该装置还包括:
预处理模块906,用于对原始的参考图像和目标图像进行去颅骨处理,得到处理后的参考图像和目标图像。
在另一种可能实现方式中,参考图像和目标图像为脑部的计算机断层扫描CT图像,参见图10,该装置还包括:
预处理模块906,还用于对配准图像进行去颅骨处理,得到处理后的配准图像。
在另一种可能实现方式中,参考图像和目标图像为脑部的计算机断层扫描CT图像,参见图10,该装置还包括:
预处理模块906,还用于分别确定原始的参考图像和目标图像中每个位置点对应的吸收参数,吸收参数用于表示位置点对射线的吸收程度;
预处理模块906,还用于分别将参考图像和目标图像对应的多个吸收参数中小于第一参考参数的吸收参数调整为第一参考参数,将多个吸收参数中大于第二参考参数的吸收参数调整为第二参考参数,得到调整后的参考图像和调整后的目标图像。
在另一种可能实现方式中,图像组包括多个,配准图像确定模块904,还用于在确定多个图像组对应的配准图像后,确定多个配准图像对应的多个重叠度中的最大重叠度,将最大重叠度对应的配准图像确定为目标图像对应的配准图像。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
需要说明的是:上述实施例提供的图像配准装置在配准图像时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将计算机设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的图像配准装置与图像配准方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本申请实施例还提供了一种计算机设备,该计算机设备包括处理器和存储器,存储器中存储有至少一条计算机程序,该至少一条计算机程序由处理器加载并执行,以实现上述实施例的图像配准方法中所执行的操作。
可选地,该计算机设备提供为终端。图11是本申请实施例提供的一种终端1100的结构示意图。该终端1100可以是便携式移动终端,比如:智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端1100还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
终端1100包括有:处理器1101和存储器1102。
处理器1101可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器1101可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1101也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器1101可以集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。在一些实施例中,处理器1101还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器1102可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器1102还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器1102中的非暂态的计算机可读存储介质用于存储至少一条计算机程序,该至少一条计算机程序用于被处理器1101所执行以实现本申请中方法实施例提供的图像配准方法。
在一些实施例中,终端1100还可选包括有:外围设备接口1103和至少一个外围设备。处理器1101、存储器1102和外围设备接口1103之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口1103相连。具体地,外围设备包括:射频电路1104、显示屏1105、摄像头组件1106、音频电路1107、定位组件1108和电源1109中的至少一种。
外围设备接口1103可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器1101和存储器1102。在一些实施例中,处理器1101、存储器1102和外围设备接口1103被集成在同一芯片或电路板上;在一些其他实施例中,处理器1101、存储器1102和外围设备接口1103中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路1104用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路1104通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1104将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路1104包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路1104可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路1104还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏1105用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1105是触摸显示屏时,显示屏1105还具有采集在显示屏1105的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1101进行处理。此时,显示屏1105还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏1105可以为一个,设置在终端1100的前面板;在另一些实施例中,显示屏1105可以为至少两个,分别设置在终端1100的不同表面或呈折叠设计;在另一些实施例中,显示屏1105可以是柔性显示屏,设置在终端1100的弯曲表面上或折叠面上。甚至,显示屏1105还可以设置成非矩形的不规则图形,也即异形屏。显示屏1105可以采用LCD(Liquid Crystal Display,液晶显示屏)、OLED(Organic Light-EmittingDiode,有机发光二极管)等材质制备。
摄像头组件1106用于采集图像或视频。可选地,摄像头组件1106包括前置摄像头和后置摄像头。前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件1106还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路1107可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器1101进行处理,或者输入至射频电路1104以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端1100的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1101或射频电路1104的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路1107还可以包括耳机插孔。
定位组件1108用于定位终端1100的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件1108可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯定位系统或欧盟的伽利略定位系统的定位组件。
电源1109用于为终端1100中的各个组件进行供电。电源1109可以是交流电、直流电、一次性电池或可充电电池。当电源1109包括可充电电池时,该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池,无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
在一些实施例中,终端1100还包括有一个或多个传感器1110。该一个或多个传感器1110包括但不限于:加速度传感器1111、陀螺仪传感器1112、压力传感器1113、指纹传感器1114、光学传感器1115以及接近传感器1116。
加速度传感器1111可以检测以终端1100建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器1111可以用于检测重力加速度在三个坐标轴上的分量。处理器1101可以根据加速度传感器1111采集的重力加速度信号,控制显示屏1105以横向视图或纵向视图进行用户界面的显示。加速度传感器1111还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器1112可以检测终端1100的机体方向及转动角度,陀螺仪传感器1112可以与加速度传感器1111协同采集用户对终端1100的3D动作。处理器1101根据陀螺仪传感器1112采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器1113可以设置在终端1100的侧边框和/或显示屏1105的下层。当压力传感器1113设置在终端1100的侧边框时,可以检测用户对终端1100的握持信号,由处理器1101根据压力传感器1113采集的握持信号进行左右手识别或快捷操作。当压力传感器1113设置在显示屏1105的下层时,由处理器1101根据用户对显示屏1105的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器1114用于采集用户的指纹,由处理器1101根据指纹传感器1114采集到的指纹识别用户的身份,或者,由指纹传感器1114根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器1101授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器1114可以被设置在终端1100的正面、背面或侧面。当终端1100上设置有物理按键或厂商Logo时,指纹传感器1114可以与物理按键或厂商Logo集成在一起。
光学传感器1115用于采集环境光强度。在一个实施例中,处理器1101可以根据光学传感器1115采集的环境光强度,控制显示屏1105的显示亮度。具体地,当环境光强度较高时,调高显示屏1105的显示亮度;当环境光强度较低时,调低显示屏1105的显示亮度。在另一个实施例中,处理器1101还可以根据光学传感器1115采集的环境光强度,动态调整摄像头组件1106的拍摄参数。
接近传感器1116,也称距离传感器,设置在终端1100的前面板。接近传感器1116用于采集用户与终端1100的正面之间的距离。在一个实施例中,当接近传感器1116检测到用户与终端1100的正面之间的距离逐渐变小时,由处理器1101控制显示屏1105从亮屏状态切换为息屏状态;当接近传感器1116检测到用户与终端1100的正面之间的距离逐渐变大时,由处理器1101控制显示屏1105从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图11中示出的结构并不构成对终端1100的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
可选地,该计算机设备提供为服务器。图12是本申请实施例提供的一种服务器的结构示意图,该服务器1200可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(Central Processing Units,CPU)1201和一个或一个以上的存储器1202,其中,存储器1202中存储有至少一条计算机程序,该至少一条计算机程序由处理器1201加载并执行以实现上述各个方法实施例提供的方法。当然,该服务器还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器还可以包括其他用于实现设备功能的部件,在此不做赘述。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有至少一条计算机程序,该至少一条计算机程序由处理器加载并执行,以实现上述实施例的图像配准方法中所执行的操作。
本申请实施例还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机程序代码,该计算机程序代码存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机程序代码,处理器执行该计算机程序代码,使得计算机设备实现上述实施例的图像配准方法中所执行的操作。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,该程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上仅为本申请实施例的可选实施例,并不用以限制本申请实施例,凡在本申请实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (15)
1.一种图像配准方法,其特征在于,所述方法包括:
获取图像组,所述图像组包括参考图像和目标图像,所述参考图像和所述目标图像为目标对象在不同时间点的图像;
采用第一配准方式,根据所述参考图像对所述目标图像进行配准,得到第一备选配准图像;
响应于第一重叠度不大于参考重叠度,采用第二配准方式,根据所述参考图像对所述目标图像进行配准,得到第二备选配准图像,所述第一配准方式与所述第二配准方式不同,所述第一重叠度是指所述第一备选配准图像与所述参考图像之间的重叠度;
响应于第二重叠度大于所述参考重叠度,将所述第二备选配准图像确定为所述目标图像对应的配准图像,所述第二重叠度是指所述第二备选配准图像与所述参考图像之间的重叠度。
2.根据权利要求1所述的方法,其特征在于,所述采用第一配准方式,根据所述参考图像对所述目标图像进行配准,得到第一备选配准图像之后,所述方法还包括:
响应于所述第一重叠度大于所述参考重叠度,将所述第一备选配准图像确定为所述目标图像对应的配准图像。
3.根据权利要求1所述的方法,其特征在于,所述采用第一配准方式,根据所述参考图像对所述目标图像进行配准,得到第一备选配准图像之后,所述方法还包括:
响应于所述第一重叠度不大于所述参考重叠度,且第一配准次数小于参考次数,继续执行所述采用第一配准方式,根据所述参考图像对所述目标图像进行配准,得到第一备选配准图像的步骤,直至最后一次配准得到的第一重叠度大于所述参考重叠度,或者所述第一配准次数等于所述参考次数,所述第一配准次数是指采用所述第一配准方式对所述目标图像进行配准的次数。
4.根据权利要求3所述的方法,其特征在于,所述响应于第一重叠度不大于参考重叠度,采用第二配准方式,根据所述参考图像对所述目标图像进行配准,得到第二备选配准图像,包括:
响应于所述最后一次配准得到的第一重叠度不大于所述参考重叠度,且所述第一配准次数等于所述参考次数,采用所述第二配准方式,根据所述参考图像对所述目标图像进行配准,得到第二备选配准图像。
5.根据权利要求3所述的方法,其特征在于,所述响应于第一重叠度不大于参考重叠度,采用第二配准方式,根据所述参考图像对所述目标图像进行配准,得到第二备选配准图像,包括:
响应于所述第二重叠度不大于所述参考重叠度,且第二配准次数小于所述参考次数,继续执行所述采用第二配准方式,根据所述参考图像对所述目标图像进行配准,得到第二备选配准图像的步骤,直至最后一次配准得到的第二重叠度大于所述参考重叠度,或者所述第二配准次数等于所述参考次数,所述第一配准次数是指采用所述第二配准方式对所述目标图像进行配准的次数。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
响应于所述最后一次配准得到的第二重叠度不大于所述参考重叠度,且所述第二配准次数等于所述参考次数,确定配准得到的多个第一重叠度和多个第二重叠度中的最大重叠度,将所述最大重叠度对应的备选配准图像,确定为所述目标图像对应的配准图像;或者,
响应于所述最后一次配准得到的第二重叠度不大于所述参考重叠度,且所述第二配准次数等于所述参考次数,采用第三配准方式,根据所述参考图像对所述目标图像进行配准,得到第三备选配准图像,所述第三配准方式与所述第一配准方式和所述第二配准方式不同。
7.根据权利要求1所述的方法,其特征在于,配准方式包括以下至少两种:
根据所述参考图像中的多个位置点的参考位置,对所述目标图像中的多个位置点进行移动,得到配准后的图像;
根据所述参考图像中的多个位置点的参考位置,将所述目标图像中的多个位置点映射至目标空间,得到配准后的图像;
调用图像配准模型,根据所述参考图像对所述目标图像进行配准,得到配准后的图像。
8.根据权利要求1所述的方法,其特征在于,所述参考图像和所述目标图像为脑部的计算机断层扫描CT图像,所述获取图像组之前,所述方法还包括:
对原始的参考图像和目标图像进行去颅骨处理,得到处理后的参考图像和目标图像。
9.根据权利要求1所述的方法,其特征在于,所述参考图像和所述目标图像为脑部的计算机断层扫描CT图像,所述响应于第二重叠度大于所述参考重叠度,将所述第二备选配准图像确定为所述目标图像对应的配准图像之后,所述方法还包括:
对所述配准图像进行去颅骨处理,得到处理后的配准图像。
10.根据权利要求1所述的方法,其特征在于,所述参考图像和所述目标图像为脑部的计算机断层扫描CT图像,所述获取图像组之前,所述方法还包括:
分别确定原始的参考图像和目标图像中每个位置点对应的吸收参数,所述吸收参数用于表示所述位置点对射线的吸收程度;
分别将所述参考图像和所述目标图像对应的多个吸收参数中小于第一参考参数的吸收参数调整为所述第一参考参数,将所述多个吸收参数中大于第二参考参数的吸收参数调整为所述第二参考参数,得到调整后的参考图像和调整后的目标图像。
11.根据权利要求1所述的方法,其特征在于,所述图像组包括多个,所述方法还包括:
在确定多个图像组对应的配准图像后,确定多个配准图像对应的多个重叠度中的最大重叠度,将所述最大重叠度对应的配准图像确定为所述目标图像对应的配准图像。
12.一种图像配准装置,其特征在于,所述装置包括:
图像组获取模块,用于获取图像组,所述图像组包括参考图像和目标图像,所述参考图像和所述目标图像为目标对象在不同时间点的图像;
第一配准模块,用于采用第一配准方式,根据所述参考图像对所述目标图像进行配准,得到第一备选配准图像;
第二配准模块,用于响应于第一重叠度不大于参考重叠度,采用第二配准方式,根据所述参考图像对所述目标图像进行配准,得到第二备选配准图像,所述第一配准方式与所述第二配准方式不同,所述第一重叠度是指所述第一备选配准图像与所述参考图像之间的重叠度;
配准图像确定模块,用于响应于第二重叠度大于所述参考重叠度,将所述第二备选配准图像确定为所述目标图像对应的配准图像,所述第二重叠度是指所述第二备选配准图像与所述参考图像之间的重叠度。
13.根据权利要求12所述的装置,其特征在于,所述第一配准模块,还用于响应于所述第一重叠度不大于所述参考重叠度,且第一配准次数小于参考次数,继续执行所述采用第一配准方式,根据所述参考图像对所述目标图像进行配准,得到第一备选配准图像的步骤,直至最后一次配准得到的第一重叠度大于所述参考重叠度,或者所述第一配准次数等于所述参考次数,所述第一配准次数是指采用所述第一配准方式对所述目标图像进行配准的次数。
14.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条计算机程序,所述至少一条计算机程序由所述处理器加载并执行,以实现如权利要求1至11任一权利要求所述的图像配准方法中所执行的操作。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条计算机程序,所述至少一条计算机程序由处理器加载并执行,以实现如权利要求1至11任一权利要求所述的图像配准方法中所执行的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110069374.9A CN113570645A (zh) | 2021-01-19 | 2021-01-19 | 图像配准方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110069374.9A CN113570645A (zh) | 2021-01-19 | 2021-01-19 | 图像配准方法、装置、计算机设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113570645A true CN113570645A (zh) | 2021-10-29 |
Family
ID=78160971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110069374.9A Pending CN113570645A (zh) | 2021-01-19 | 2021-01-19 | 图像配准方法、装置、计算机设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113570645A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114331914A (zh) * | 2022-03-07 | 2022-04-12 | 中咨数据有限公司 | 一种图像快速校准与实时渲染方法、系统、介质及移动端 |
CN115457093A (zh) * | 2022-08-24 | 2022-12-09 | 北京百度网讯科技有限公司 | 一种牙齿图像的处理方法、装置、电子设备及存储介质 |
-
2021
- 2021-01-19 CN CN202110069374.9A patent/CN113570645A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114331914A (zh) * | 2022-03-07 | 2022-04-12 | 中咨数据有限公司 | 一种图像快速校准与实时渲染方法、系统、介质及移动端 |
CN115457093A (zh) * | 2022-08-24 | 2022-12-09 | 北京百度网讯科技有限公司 | 一种牙齿图像的处理方法、装置、电子设备及存储介质 |
CN115457093B (zh) * | 2022-08-24 | 2024-03-22 | 北京百度网讯科技有限公司 | 一种牙齿图像的处理方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110348543B (zh) | 眼底图像识别方法、装置、计算机设备及存储介质 | |
CN111091576B (zh) | 图像分割方法、装置、设备及存储介质 | |
WO2020224479A1 (zh) | 目标的位置获取方法、装置、计算机设备及存储介质 | |
CN111325726A (zh) | 模型训练方法、图像处理方法、装置、设备及存储介质 | |
CN110555839A (zh) | 缺陷检测识别方法、装置、计算机设备及存储介质 | |
CN113610750B (zh) | 对象识别方法、装置、计算机设备及存储介质 | |
CN111091166B (zh) | 图像处理模型训练方法、图像处理方法、设备及存储介质 | |
CN110544272B (zh) | 脸部跟踪方法、装置、计算机设备及存储介质 | |
US20220309836A1 (en) | Ai-based face recognition method and apparatus, device, and medium | |
CN112884770B (zh) | 图像分割处理方法、装置及计算机设备 | |
CN110570460B (zh) | 目标跟踪方法、装置、计算机设备及计算机可读存储介质 | |
CN112749613B (zh) | 视频数据处理方法、装置、计算机设备及存储介质 | |
CN112036331A (zh) | 活体检测模型的训练方法、装置、设备及存储介质 | |
CN111243668A (zh) | 分子结合位点检测方法、装置、电子设备及存储介质 | |
CN111598896B (zh) | 图像检测方法、装置、设备及存储介质 | |
CN113516143A (zh) | 文本图像匹配方法、装置、计算机设备及存储介质 | |
WO2023202285A1 (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
CN112257552A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN113570645A (zh) | 图像配准方法、装置、计算机设备及介质 | |
CN113257412B (zh) | 信息处理方法、装置、计算机设备及存储介质 | |
CN110705438A (zh) | 步态识别方法、装置、设备及存储介质 | |
CN113821658A (zh) | 对编码器进行训练的方法、装置、设备及存储介质 | |
CN110675413B (zh) | 三维人脸模型构建方法、装置、计算机设备及存储介质 | |
CN113743186B (zh) | 医学图像的处理方法、装置、设备及存储介质 | |
CN113569822B (zh) | 图像分割方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |