CN113808175A - 一种图像配准方法、装置、设备及可读存储介质 - Google Patents

一种图像配准方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN113808175A
CN113808175A CN202111009566.7A CN202111009566A CN113808175A CN 113808175 A CN113808175 A CN 113808175A CN 202111009566 A CN202111009566 A CN 202111009566A CN 113808175 A CN113808175 A CN 113808175A
Authority
CN
China
Prior art keywords
image sequence
registered
current
sequence
reference 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.)
Granted
Application number
CN202111009566.7A
Other languages
English (en)
Other versions
CN113808175B (zh
Inventor
肖月庭
阳光
郑超
宋贺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shukun Technology Co ltd
Original Assignee
Shukun Beijing Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shukun Beijing Network Technology Co Ltd filed Critical Shukun Beijing Network Technology Co Ltd
Priority to CN202111009566.7A priority Critical patent/CN113808175B/zh
Publication of CN113808175A publication Critical patent/CN113808175A/zh
Application granted granted Critical
Publication of CN113808175B publication Critical patent/CN113808175B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/30Determination of transform parameters for the alignment of images, i.e. image registration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10016Video; Image sequence
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30096Tumor; Lesion

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种图像配准方法、装置、设备及可读存储介质,该方法包括:获取第一基准图像序列和第一待配准图像序列;对所述第一基准图像序列和所述第一待配准图像序列进行组织图像提取,得到对应的第二基准图像序列和第二待配准图像序列;将所述第二基准图像序列和所述第二待配准图像序列在预设方向上分别分成n份,n≥1;根据各份所述第二基准图像序列和所述第二待配准图像序列,对所述第一基准图像序列和所述第一待配准图像序列进行配准。通过实施本发明,可以简单、快速、准确地实现对存在较大形变且为非刚体的两个期相的图像进行配准。

Description

一种图像配准方法、装置、设备及可读存储介质
技术领域
本申请涉及医学影像分析领域,尤其涉及一种图像配准方法、装置、设备及可读存储介质。
背景技术
在进行医学图像分析时,常常要将同一患者的病灶组织在不同时期的多张图像放在一起对比分析,从而获得该患者病灶的病变程度等动态信息。而在对不同图像做定量对比分析时,首先就需要进行图像配准。
现有技术中,对医学图像的配准通常采用demons算法,demons算法是一种基于灰度信息的全自动非刚性配准方法。具体来讲,该算法使用参考图像的灰度梯度信息来决定浮动图像每个像素的移动,同时,使用高斯滤波来平滑处理得到的偏移,进行正则化,使得待配准图像局部信息的变换在全局范围内连续。但demons算法对于处理有较大形变的图像效果欠佳,因此配准出的图像效果不够理想。
发明内容
本发明实施例通过提供一种图像配准方法、装置、设备及可读存储介质,用以解决现有的医学图像配准方法还存在的对较大形变的图像配准效果欠佳,配准出来的图像效果不够理想的技术问题。
为了解决上述问题,第一方面,本发明实施例提供了一种图像配准方法,包括:获取第一基准图像序列和第一待配准图像序列;对第一基准图像序列和第一待配准图像序列进行组织图像提取,得到对应的第二基准图像序列和第二待配准图像序列;将第二基准图像序列和第二待配准图像序列在预设方向上分别分成n份,n≥1;根据各份第二基准图像序列和第二待配准图像序列,对第一基准图像序列和第一待配准图像序列进行配准。
可选地,根据各份第二基准图像序列和第二待配准图像序列,对第一基准图像序列和第一待配准图像序列进行配准,包括:针对各份第二基准图像序列和第二待配准图像序列:计算当前份第二基准图像序列的第一重心和当前份第二待配准图像序列的第二重心;根据第一重心和第二重心计算配准参数;或者,将当前份第二基准图像序列和当前份第二待配准图像序列输入图像配准模型,得到配准参数;或者,识别当前份第二基准图像序列和当前份第二待配准图像序列中的指定参考体;根据指定参考体计算配准参数;根据计算得到的配准参数序列,对第一基准图像序列和第一待配准图像序列进行配准。
可选地,根据第一重心和第二重心计算配准参数,包括:计算第一重心移动至当前份第二基准图像序列的参考点的第一移动参数;计算第二重心移动至当前份第二待配准图像序列的参考点的第二移动参数;基于第一移动参数移动当前份第二基准图像序列;基于第二移动参数移动当前份第二待配准图像序列;根据移动后的当前份第二基准图像序列和移动后的当前份第二待配准图像序列,计算当前份第二待配准图像序列的旋转参数。
可选地,根据移动后的当前份第二基准图像序列和移动后的当前份第二待配准图像序列,计算当前份第二待配准图像序列的旋转参数,包括:围绕第二重心,按照预设的多个旋转角度分别旋转移动后的当前份第二待配准图像序列;确定使移动后的当前份第二基准图像序列与移动后的当前份第二待配准图像序列重合度最高的旋转角度,为当前份第二待配准图像序列的旋转参数。
可选地,根据指定参考体计算配准参数,包括:对当前份第二基准图像序列和当前份第二待配准图像序列中的指定参考体进行边缘提取,得到对应的基准边缘图像序列和待配准边缘图像序列;根据基准边缘图像序列和待配准边缘图像序列计算配准参数。
可选地,根据基准边缘图像序列和待配准边缘图像序列计算配准参数,包括:移动和旋转待配准边缘图像序列,使得移动和旋转后的待配准边缘图像序列和基准边缘图像序列中的参考体的边缘重合;确定参考体的边缘重合时的第五移动参数和旋转角度为配准参数。
可选地,根据计算得到的配准参数序列,对第一基准图像序列和第一待配准图像序列进行配准,包括:将第一基准图像序列和第一待配准图像序列在预设方向上分别分成n份;针对各份第一基准图像序列和第一待配准图像序列:根据对应的第一移动参数移动当前份第一基准图像序列;根据对应的第二移动参数移动当前份第一待配准图像序列;根据对应的旋转参数旋转移动后的当前份第一待配准图像序列。
可选地,在根据对应的旋转参数旋转移动后的当前份第一待配准图像序列之后,还包括:针对各份第一待配准图像序列:按照预设的多个第三移动参数分别移动当前份第一待配准图像序列,得到对应的当前份第四待配准图像序列;根据各当前份第四待配准图像序列及当前份第一基准图像序列,确定当前份第一待配准图像序列的第四移动参数;基于第四移动参数,移动当前份第一待配准图像序列。
可选地,根据各当前份第四待配准图像序列及当前份第一基准图像序列,确定当前份第一待配准图像序列的第四移动参数,包括:在各当前份第四待配准图像序列中,查找与当前份第一基准图像重合度最高的目标份第四待配准图像序列;确定目标份第四待配准图像序列的第三移动参数,为当前份第一待配准图像序列的第四移动参数。
可选地,在根据计算得到的配准参数序列,对第一基准图像序列和第一待配准图像序列进行配准之后,进一步包括:确定第一基准图像序列与第一待配准图像序列的重合度;确定第一基准图像序列与第一待配准图像序列的重合度是否大于预设的重合度阈值,如果否,将第二基准图像序列和第二待配准图像序列在预设方向上分别分成m份,并执行计算当前份第二基准图像序列的第一重心和当前份第二待配准图像序列的第二重心;其中,m≥n。
第二方面,本发明实施例提供了一种图像配准装置,包括:获取单元,用于获取第一基准图像序列和第一待配准图像序列;提取单元,用于对第一基准图像序列和第一待配准图像序列进行组织图像提取,得到对应的第二基准图像序列和第二待配准图像序列;划分单元,用于将第二基准图像序列和第二待配准图像序列在预设方向上分别分成n份,n≥1;配准单元,用于根据各份第二基准图像序列和第二待配准图像序列,对第一基准图像序列和第一待配准图像序列进行配准。
第三方面,本发明实施例提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器执行如第一方面或第一方面任意实施方式中的图像配准方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使计算机执行如第一方面或第一方面任意实施方式中的图像配准方法。
本发明实施例提供的图像配准方法、装置、设备及可读存储介质,由于骨等强特征组织图像在不同期相图像中不会发生缩放,只会产生一些平移和角度上的变化,因此,本发明实施例通过对第一基准图像序列和第一待配准图像序列进行组织图像提取,得到对应的第二基准图像序列和第二待配准图像序列,将第二基准图像序列和第二待配准图像序列在预设方向上分别分成n份,n≥1,从而对于每份第二基准图像序列和第二待配准图像序列的配准,均可以看成是刚性配准,从而可以计算到每份第二基准图像序列和第二待配准图像序列的配准参数,然后根据配准参数序列对第一基准图像序列和第一待配准图像序列进行配准,可以简单、快速、准确地实现对存在较大形变且为非刚体的两个期相的图像进行配准。
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为本发明实施例中一种图像配准方法的流程示意图;
图2为本发明实施例中第二基准图像序列和第二待配准图像序列的示意图;
图3为本发明实施例中当前份第二基准图像序列的第一重心和当前份第二待配准图像序列的第二重心的示意图;
图4为本发明实施例中一种图像配准装置的结构示意图;
图5为本发明实施例中一种电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,本领域技术人员在没有作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。
本发明实施例提供了一种图像配准方法,如图1所示,包括:
S101.获取第一基准图像序列和第一待配准图像序列;具体地,第一基准图像序列和第一待配准图像序列为待配准的同一患者的病灶组织在不同时期的图像数据。
S102.对第一基准图像序列和第一待配准图像序列进行组织图像提取,得到对应的第二基准图像序列和第二待配准图像序列;具体地,组织为骨等刚性组织,通过对组织图像进行提取,可以得到包括刚性不变量的信息。
S103.将第二基准图像序列和第二待配准图像序列在预设方向上分别分成n份,n≥1;具体地,由于组织图像在不同期相图像中不会发生缩放,只会产生一些平移和角度上的变化,因此将第二基准图像序列和第二待配准图像序列在预设方向上分别分成n份,如图2所示,从而对于每份第二基准图像序列和第二待配准图像序列,均可以看成刚体。每份第二基准图像序列和第二待配准图像序列的配准,均可以看成是刚性配准。
S104.根据各份第二基准图像序列和第二待配准图像序列,对第一基准图像序列和第一待配准图像序列进行配准。具体地,可以将第一基准图像序列和第一待配准图像序列在预设方向上分别分成n份,然后根据各份第二基准图像序列和第二待配准图像序列配准时的配准参数序列,对各份第一基准图像序列和第一待配准图像序列进行配准,实现对第一基准图像序列和第一待配准图像序列进行配准。
本发明实施例提供的图像配准方法、装置、设备及可读存储介质,由于骨等强特征组织图像在不同期相图像中不会发生缩放,只会产生一些平移和角度上的变化,因此,本发明实施例通过对第一基准图像序列和第一待配准图像序列进行组织图像提取,得到对应的第二基准图像序列和第二待配准图像序列,将第二基准图像序列和第二待配准图像序列在预设方向上分别分成n份,n≥1,从而对于每份第二基准图像序列和第二待配准图像序列的配准,均可以看成是刚性配准,从而可以计算到每份第二基准图像序列和第二待配准图像序列的配准参数,然后根据配准参数序列对第一基准图像序列和第一待配准图像序列进行配准,可以简单、快速、准确地实现对存在较大形变且为非刚体的两个期相的图像进行配准。
在一个可选的实施例中,步骤S104,根据各份第二基准图像序列和第二待配准图像序列,对第一基准图像序列和第一待配准图像序列进行配准,包括:针对各份第二基准图像序列和第二待配准图像序列:计算当前份第二基准图像序列的第一重心和当前份第二待配准图像序列的第二重心;根据第一重心和第二重心计算配准参数;或者,将当前份第二基准图像序列和当前份第二待配准图像序列输入图像配准模型,得到配准参数;或者,识别当前份第二基准图像序列和当前份第二待配准图像序列中的指定参考体;根据指定参考体计算配准参数;根据计算得到的配准参数序列,对第一基准图像序列和第一待配准图像序列进行配准。
在本发明实施例中,提供了三种计算配准参数序列的方法。第一种是基于重心计算配准参数序列,第二种是通过深度学习建模,采用图像配准模型来计算配准参数序列,第三种是通过指定参考体来计算配准参数序列。
具体地,由于重心是图像的平衡点,因此,当前份第二基准图像序列的第一重心和当前份第二待配准图像序列的第二重心所对应的组织图像相同,通过计算当前份第二基准图像序列的第一重心和当前份第二待配准图像序列的第二重心,因此可以根据第一重心和第二重心计算配准参数。基于重心计算配准参数序列时,计算到的当前份第二基准图像序列的第一重心和当前份第二待配准图像序列的第二重心如图3所示。根据计算到的第一重心和第二重心,可以对当前份第二基准图像序列和当前份第二待配准图像序列,进行一系列的旋转平移操作,使得当前份第二待配准图像序列与当前份第二基准图像序列上相对应的像素点达到空间位置上的一致,并记录旋转平移操作时的旋转平移参数为配准参数。各份第二基准图像序列和第二待配准图像的配准参数形成配准参数序列。
采用图像配准模型计算配准参数序列时,可以通过构建训练样本,采用训练样本对神经网络进行训练,得到图像配准模型。然后将当前份第二基准图像序列和当前份第二待配准图像序列输入至图像配准模型,得到当前份第一基准图像序列和当前份第二待配准图像序列的配准参数。各份第二基准图像序列和第二待配准图像的配准参数形成配准参数序列。
通过指定参考体来计算配准参数序列时,可以对当前份第二待配准图像序列,进行一系列的旋转平移操作,使得当前份第二待配准图像序列与当前份第二基准图像序列中的指定参考体重合,并记录旋转平移操作时的旋转平移参数为配准参数;也可以对当前份第二待配准图像序列与当前份第二基准图像序列中的指定参考体进行边缘提取,然后进行一系列的旋转平移操作,使得指定参考体的边缘重合,并记录旋转平移操作时的旋转平移参数为配准参数。各份第二基准图像序列和第二待配准图像的配准参数形成配准参数序列。指定参考体可以为当前份第二基准图像序列和当前份第二待配准图像序列中体积相似的游离体或刚性组织的某一个特定的部位,例如骨头的开端部位、骨头的末端部位等。游离体为游离的体块,包括游离的骨体块等。
由于第二基准图像序列和第二待配准图像序列是第一基准图像序列和第一待配准图像序列进行组织图像提取后得到的,因此,第二基准图像序列和第二待配准图像序列的配准参数序列,可以用于对第一基准图像序列和第一待配准图像序列进行配准。
在本发明实施例中,基于重心计算配准参数序列,或通过深度学习建模,采用图像配准模型来计算配准参数序列,或通过指定参考体来计算配准参数序列,可以快速计算到配准参数序列,从而快速对第一基准图像序列和第一待配准图像序列进行配准。
在一个可选的实施方式中,根据第一重心和第二重心计算配准参数,包括:计算第一重心移动至当前份第二基准图像序列的参考点的第一移动参数;计算第二重心移动至当前份第二待配准图像序列的参考点的第二移动参数;基于第一移动参数移动当前份第二基准图像序列;基于第二移动参数移动当前份第二待配准图像序列;根据移动后的当前份第二基准图像序列和移动后的当前份第二待配准图像序列,计算当前份第二待配准图像序列的旋转参数。
具体地,参考点可以为预先设定的像素点,可以是第一重心所在的像素点,可以是中心点等等。在本发明实施例中,参考点优选为中心点。当前份第二基准图像序列的参考点与当前份第二待配准图像序列的参考点的位置坐标相同。由于每份第二基准图像序列和第二待配准图像序列的配准,均可以看成是刚性配准,因此,可以将当前份第二基准图像序列的第一重心和当前份第二待配准图像序列的重心移动至位置坐标相同的像素点,然后对移动后的当前份第二待配准图像序列进行旋转,使得当前份第二待配准图像序列与当前份第二基准图像序列上相对应的像素点达到空间位置上的一致,进而得到当前份第二待配准图像序列的旋转参数。
而具体根据移动后的当前份第二基准图像序列和移动后的当前份第二待配准图像序列,计算当前份第二待配准图像序列的旋转参数,包括:围绕第二重心,按照预设的多个旋转角度分别旋转移动后的当前份第二待配准图像序列;确定使移动后的当前份第二基准图像序列与移动后的当前份第二待配准图像序列重合度最高的旋转角度,为当前份第二待配准图像序列的旋转参数。
在本发明实施例中,将第一重心移动至当前份第二基准图像序列的参考点,将第二重心移动至当前份第二待配准图像序列的参考点,可以使得对移动后的第二基准图像序列进行旋转后,直接与移动后的当前份第二基准图像序列进行重合度计算,进而快速得到当前份第二待配准图像序列与当前份第二基准图像序列配准时的旋转参数。
在一个可选的实施方式中,根据指定参考体计算配准参数,具体包括:对当前份第二基准图像序列和当前份第二待配准图像序列中的指定参考体进行边缘提取,得到对应的基准边缘图像序列和待配准边缘图像序列;根据基准边缘图像序列和待配准边缘图像序列计算配准参数。
具体地,根据基准边缘图像序列和待配准边缘图像序列计算配准参数,包括:移动和旋转待配准边缘图像序列,使得移动和旋转后的待配准边缘图像序列和基准边缘图像序列中的参考体的边缘重合;确定参考体的边缘重合时的第五移动参数和旋转角度为配准参数。
在本发明实施例中,通过对当前份第二基准图像序列和当前份第二待配准图像序列中的指定参考体进行边缘提取,然后根据参考体的边缘重合时的第五移动参数和旋转角度确定配准参数,可以快速得到配准参数。
在一个可选的实施方式中,根据计算得到的配准参数序列,对第一基准图像序列和第一待配准图像序列进行配准,包括:将第一基准图像序列和第一待配准图像序列在预设方向上分别分成n份;针对各份第一基准图像序列和第一待配准图像序列:根据对应的第一移动参数移动当前份第一基准图像序列;根据对应的第二移动参数移动当前份第一待配准图像序列;根据对应的旋转参数旋转移动后的当前份第一待配准图像序列。
具体地,由于第二基准图像序列和第二待配准图像序列在预设方向上分成了n份进行配准,得到配准参数序列,因此为了更好地实现第一基准图像序列和第一待配准图像序列的配准,也可以将第一基准图像序列和第一待配准图像序列在预设方向上分成n份,从而对于每一份第一基准图像序列和第一待配准图像序列,根据在预设方向上对应的配准参数对当前份第一待配准图像序列和当前份第一基准图像序列进行平移和旋转,使得当前份第一基准图像序列和当前份第一待配准图像序列进行配准,从而完成对第一基准图像序列和第一待配准图像序列进行配准。
在一个可选的实施例中,在根据对应的旋转参数旋转移动后的当前份第一待配准图像序列之后,还包括:针对各份第一待配准图像序列:按照预设的多个第三移动参数分别移动当前份第一待配准图像序列,得到对应的当前份第四待配准图像序列;根据各当前份第四待配准图像序列及当前份第一基准图像序列,确定当前份第一待配准图像序列的第四移动参数;基于第四移动参数,移动当前份第一待配准图像序列。
具体地,对各份第一基准图像序列和第一待配准图像序列进行配准后,还可以对各份第一基准图像序列和第一待配准图像序列中的第一待配准图像序列,进行小范围的多次平移,以进一步配准各份第一基准图像序列和第一待配准图像序列。
在一个可选的实施例中,根据各当前份第四待配准图像序列及当前份第一基准图像序列,确定当前份第一待配准图像序列的第四移动参数,包括:在各当前份第四待配准图像序列中,查找与当前份第一基准图像重合度最高的目标份第四待配准图像序列;确定目标份第四待配准图像序列的第三移动参数,为当前份第一待配准图像序列的第四移动参数。
具体地,在进行小范围的多次平移中,在判定哪个第三移动参数能够更好地配准各份第一基准图像序列和第一待配准图像序列时,可以通过计算多次平移后的各当前份第四待配准图像序列与当前份第一基准图像重合度,将重合度最高的第三移动参数确定为当前份第一待配准图像序列的第四移动参数。在本发明实施例中,通过在各当前份第四待配准图像序列中,查找与当前份第一基准图像重合度最高的目标份第四待配准图像序列,从而可以快速确定当前份第一待配准图像序列的第四移动参数。
在一个可选的实施例中,在根据计算得到的配准参数序列,对第一基准图像序列和第一待配准图像序列进行配准之后,进一步包括:确定第一基准图像序列与第一待配准图像序列的重合度;确定第一基准图像序列与第一待配准图像序列的重合度是否大于预设的重合度阈值,如果否,将第二基准图像序列和第二待配准图像序列在预设方向上分别分成m份,并执行计算当前份第二基准图像序列的第一重心和当前份第二待配准图像序列的第二重心;其中,m≥n。
具体地,可以通过第一基准图像序列与第一待配准图像序列的重合度看配准的效果。如果第一基准图像序列与第一待配准图像序列的重合度大于预设的重合度阈值,说明第一基准图像序列与第一待配准图像序列配准效果较好;如果第一基准图像序列与第一待配准图像序列的重合度小于或等于预设的重合度阈值,说明第一基准图像序列与第一待配准图像序列配准效果不好,需要再次配准。此时,可以增加第二基准图像序列和第二待配准图像序列在预设方向上划分的份数,再次对每份第二基准图像序列和第二待配准图像序列进行配准,以得到更准确的配准参数序列,从而更准确地对第一基准图像序列与第一待配准图像序列进行配准。
本发明实施例还提供了一种图像配准装置,如图4所示,包括:
获取单元21,用于获取第一基准图像序列和第一待配准图像序列;具体的实施方式详见上述步骤S101的描述,在此不再赘述。
提取单元22,用于对第一基准图像序列和第一待配准图像序列进行组织图像提取,得到对应的第二基准图像序列和第二待配准图像序列;具体的实施方式详见上述步骤S102的描述,在此不再赘述。
划分单元23,用于将第二基准图像序列和第二待配准图像序列在预设方向上分别分成n份,n≥1;具体的实施方式详见上述步骤S103的描述,在此不再赘述。
配准单元24,用于根据各份第二基准图像序列和第二待配准图像序列,对第一基准图像序列和第一待配准图像序列进行配准。具体的实施方式详见上述步骤S104的描述,在此不再赘述。
本发明实施例提供的图像配准装置,由于骨等强特征组织图像在不同期相图像中不会发生缩放,只会产生一些平移和角度上的变化,因此,本发明实施例通过对第一基准图像序列和第一待配准图像序列进行组织图像提取,得到对应的第二基准图像序列和第二待配准图像序列,将第二基准图像序列和第二待配准图像序列在预设方向上分别分成n份,n≥1,从而对于每份第二基准图像序列和第二待配准图像序列的配准,均可以看成是刚性配准,从而可以计算到每份第二基准图像序列和第二待配准图像序列的配准参数,然后根据配准参数序列对第一基准图像序列和第一待配准图像序列进行配准,可以简单、快速、准确地实现对存在较大形变且为非刚体的两个期相的图像进行配准。
基于与前述实施例中一种图像配准方法同样的发明构思,本发明还提供一种电子设备,如图5所示,包括:处理器31和存储器32,其中处理器31和存储器32可以通过总线或者其他方式连接,图5中以通过总线连接为例进行说明。
处理器31可以为中央处理器(Central Processing Unit,CPU)。处理器31还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器32作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的图像配准方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的图像配准方法。
存储器32可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器31所创建的数据等。此外,存储器32可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器32可选包括相对于处理器31远程设置的存储器,这些远程存储器可以通过网络连接至处理器31。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
上述的一个或者多个模块存储在存储器32中,当被处理器31执行时,执行如图1所示实施例中的图像配准方法。
上述电子设备具体细节可以对应参阅图1所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,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。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程信息处理设备的处理器以产生一个机器,使得通过计算机或其他可编程信息处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程信息处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程信息处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (13)

1.一种图像配准方法,其特征在于,包括:
获取第一基准图像序列和第一待配准图像序列;
对所述第一基准图像序列和所述第一待配准图像序列进行组织图像提取,得到对应的第二基准图像序列和第二待配准图像序列;
将所述第二基准图像序列和所述第二待配准图像序列在预设方向上分别分成n份,n≥1;
根据各份所述第二基准图像序列和所述第二待配准图像序列,对所述第一基准图像序列和所述第一待配准图像序列进行配准。
2.根据权利要求1所述的图像配准方法,其特征在于,
所述根据各份所述第二基准图像序列和所述第二待配准图像序列,对所述第一基准图像序列和所述第一待配准图像序列进行配准,包括:
针对各份所述第二基准图像序列和所述第二待配准图像序列:计算当前份第二基准图像序列的第一重心和当前份第二待配准图像序列的第二重心;根据所述第一重心和所述第二重心计算配准参数;或者,将当前份第二基准图像序列和当前份第二待配准图像序列输入图像配准模型,得到配准参数;或者,识别当前份第二基准图像序列和当前份第二待配准图像序列中的指定参考体;根据所述指定参考体计算配准参数;
根据计算得到的配准参数序列,对所述第一基准图像序列和所述第一待配准图像序列进行配准。
3.根据权利要求2所述的图像配准方法,其特征在于,
所述根据所述第一重心和所述第二重心计算配准参数,包括:
计算所述第一重心移动至所述当前份第二基准图像序列的参考点的第一移动参数;
计算所述第二重心移动至所述当前份第二待配准图像序列的参考点的第二移动参数;
基于所述第一移动参数移动所述当前份第二基准图像序列;
基于所述第二移动参数移动所述当前份第二待配准图像序列;
根据移动后的所述当前份第二基准图像序列和移动后的所述当前份第二待配准图像序列,计算所述当前份第二待配准图像序列的旋转参数。
4.根据权利要求3所述的图像配准方法,其特征在于,
所述根据移动后的所述当前份第二基准图像序列和移动后的所述当前份第二待配准图像序列,计算所述当前份第二待配准图像序列的旋转参数,包括:
围绕所述第二重心,按照预设的多个旋转角度分别旋转移动后的所述当前份第二待配准图像序列;
确定使移动后的所述当前份第二基准图像序列与移动后的所述当前份第二待配准图像序列重合度最高的旋转角度,为所述当前份第二待配准图像序列的旋转参数。
5.根据权利要求2所述的图像配准方法,其特征在于,所述根据所述指定参考体计算配准参数,包括:
对当前份第二基准图像序列和当前份第二待配准图像序列中的所述指定参考体进行边缘提取,得到对应的基准边缘图像序列和待配准边缘图像序列;
根据所述基准边缘图像序列和所述待配准边缘图像序列计算配准参数。
6.根据权利要求5所述的图像配准方法,其特征在于,所述根据所述基准边缘图像序列和所述待配准边缘图像序列计算配准参数,包括:
移动和旋转所述待配准边缘图像序列,使得移动和旋转后的所述待配准边缘图像序列和所述基准边缘图像序列中的所述参考体的边缘重合;
确定所述参考体的边缘重合时的第五移动参数和旋转角度为配准参数。
7.根据权利要求3所述的图像配准方法,其特征在于,
所述根据计算得到的配准参数序列,对所述第一基准图像序列和所述第一待配准图像序列进行配准,包括:
将所述第一基准图像序列和所述第一待配准图像序列在所述预设方向上分别分成n份;
针对各份所述第一基准图像序列和所述第一待配准图像序列:根据对应的所述第一移动参数移动当前份第一基准图像序列;根据对应的所述第二移动参数移动当前份第一待配准图像序列;根据对应的所述旋转参数旋转移动后的所述当前份第一待配准图像序列。
8.根据权利要求7所述的图像配准方法,其特征在于,
在所述根据对应的所述旋转参数旋转移动后的所述当前份第一待配准图像序列之后,还包括:
针对各份所述第一待配准图像序列:按照预设的多个第三移动参数分别移动所述当前份第一待配准图像序列,得到对应的当前份第四待配准图像序列;
根据各所述当前份第四待配准图像序列及所述当前份第一基准图像序列,确定所述当前份第一待配准图像序列的第四移动参数;
基于所述第四移动参数,移动所述当前份第一待配准图像序列。
9.根据权利要求8所述的图像配准方法,其特征在于,
所述根据各所述当前份第四待配准图像序列及所述当前份第一基准图像序列,确定所述当前份第一待配准图像序列的第四移动参数,包括:
在各所述当前份第四待配准图像序列中,查找与所述当前份第一基准图像重合度最高的目标份第四待配准图像序列;
确定所述目标份第四待配准图像序列的第三移动参数,为所述当前份第一待配准图像序列的第四移动参数。
10.根据权利要求2所述的图像配准方法,其特征在于,
在所述根据计算得到的配准参数序列,对所述第一基准图像序列和所述第一待配准图像序列进行配准之后,进一步包括:
确定所述第一基准图像序列与所述第一待配准图像序列的重合度;
确定所述第一基准图像序列与所述第一待配准图像序列的重合度是否大于预设的重合度阈值,如果否,将所述第二基准图像序列和所述第二待配准图像序列在所述预设方向上分别分成m份,并执行所述计算当前份第二基准图像序列的第一重心和当前份第二待配准图像序列的第二重心;其中,m≥n。
11.一种图像配准装置,其特征在于,包括:
获取单元,用于获取第一基准图像序列和第一待配准图像序列;
提取单元,用于对所述第一基准图像序列和所述第一待配准图像序列进行组织图像提取,得到对应的第二基准图像序列和第二待配准图像序列;
划分单元,用于将所述第二基准图像序列和所述第二待配准图像序列在预设方向上分别分成n份,n≥1;
配准单元,用于根据各份所述第二基准图像序列和所述第二待配准图像序列,对所述第一基准图像序列和所述第一待配准图像序列进行配准。
12.一种电子设备,其特征在于,包括:
至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行如权利要求1-10任意一项所述的图像配准方法。
13.一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存储有计算机指令,所述计算机指令用于使计算机执行如权利要求1-10任意一项所述的图像配准方法。
CN202111009566.7A 2021-08-31 2021-08-31 一种图像配准方法、装置、设备及可读存储介质 Active CN113808175B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111009566.7A CN113808175B (zh) 2021-08-31 2021-08-31 一种图像配准方法、装置、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111009566.7A CN113808175B (zh) 2021-08-31 2021-08-31 一种图像配准方法、装置、设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN113808175A true CN113808175A (zh) 2021-12-17
CN113808175B CN113808175B (zh) 2023-03-10

Family

ID=78942096

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111009566.7A Active CN113808175B (zh) 2021-08-31 2021-08-31 一种图像配准方法、装置、设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN113808175B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN115546174A (zh) * 2022-10-20 2022-12-30 数坤(北京)网络科技股份有限公司 图像处理方法、装置、计算设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0907144A2 (en) * 1997-10-03 1999-04-07 Digital Equipment Corporation Method for extracting a three-dimensional model from a sequence of images
CN107451983A (zh) * 2017-07-18 2017-12-08 中山大学附属第六医院 Ct图像的三维融合方法和系统
CN109741379A (zh) * 2018-12-19 2019-05-10 上海商汤智能科技有限公司 图像处理方法、装置、电子设备及计算机可读存储介质
WO2019140880A1 (zh) * 2018-01-22 2019-07-25 深圳壹账通智能科技有限公司 屏幕录制方法、计算机可读存储介质、终端设备及装置
CN110853082A (zh) * 2019-10-21 2020-02-28 科大讯飞股份有限公司 医学图像配准方法、装置、电子设备及计算机存储介质
CN110852951A (zh) * 2019-11-08 2020-02-28 Oppo广东移动通信有限公司 图像处理方法、装置、终端设备及计算机可读存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0907144A2 (en) * 1997-10-03 1999-04-07 Digital Equipment Corporation Method for extracting a three-dimensional model from a sequence of images
CN107451983A (zh) * 2017-07-18 2017-12-08 中山大学附属第六医院 Ct图像的三维融合方法和系统
WO2019140880A1 (zh) * 2018-01-22 2019-07-25 深圳壹账通智能科技有限公司 屏幕录制方法、计算机可读存储介质、终端设备及装置
CN109741379A (zh) * 2018-12-19 2019-05-10 上海商汤智能科技有限公司 图像处理方法、装置、电子设备及计算机可读存储介质
CN110853082A (zh) * 2019-10-21 2020-02-28 科大讯飞股份有限公司 医学图像配准方法、装置、电子设备及计算机存储介质
CN110852951A (zh) * 2019-11-08 2020-02-28 Oppo广东移动通信有限公司 图像处理方法、装置、终端设备及计算机可读存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN115546174A (zh) * 2022-10-20 2022-12-30 数坤(北京)网络科技股份有限公司 图像处理方法、装置、计算设备及存储介质
CN115546174B (zh) * 2022-10-20 2023-09-08 数坤(北京)网络科技股份有限公司 图像处理方法、装置、计算设备及存储介质

Also Published As

Publication number Publication date
CN113808175B (zh) 2023-03-10

Similar Documents

Publication Publication Date Title
CN110874594B (zh) 基于语义分割网络的人体外表损伤检测方法及相关设备
CN113808175B (zh) 一种图像配准方法、装置、设备及可读存储介质
Ni et al. Visual tracking using neuromorphic asynchronous event-based cameras
JP2018530401A5 (zh)
RU2015141083A (ru) Сегментация крупных объектов из нескольких трехмерных видов
CN110458772B (zh) 一种基于图像处理的点云滤波方法、装置和存储介质
CN110189406B (zh) 图像数据标注方法及其装置
KR102450931B1 (ko) 이미지 정합 방법 및 연관된 모델 훈련 방법, 기기, 장치
EP2624009B1 (en) Method and apparatus for obtaining symmetry information of objects
CN106033621A (zh) 一种三维建模的方法及装置
WO2018010101A1 (en) Method, apparatus and system for 3d face tracking
CN112669429A (zh) 图像扭曲渲染方法及装置
CN107832751A (zh) 人脸特征点的标注方法、装置及计算设备
CN112802013A (zh) 基于图神经网络与多任务学习的脑疾病检测方法和装置
CN109410246B (zh) 基于相关滤波的视觉跟踪的方法及装置
CN114612352A (zh) 多聚焦图像融合方法、存储介质和计算机
CN113808179B (zh) 一种图像的配准方法、装置及可读存储介质
CN111179408B (zh) 三维建模的方法及设备
CN112634141B (zh) 一种车牌矫正方法、装置、设备及介质
CN111161330B (zh) 非刚性图像配准方法、装置、系统、电子设备、存储介质
CN111681270A (zh) 一种实现图像帧之间配准的方法、装置和存储介质
CN113496230A (zh) 图像匹配方法和系统
US20140032180A1 (en) Method and apparatus for computing deformation of an object
CN111009029B (zh) 三维重建的数据处理方法、装置、电子设备与存储介质
CN114581340A (zh) 一种图像校正方法及设备

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing

Applicant after: Shukun (Beijing) Network Technology Co.,Ltd.

Address before: Rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing

Applicant before: SHUKUN (BEIJING) NETWORK TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: Rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing

Patentee after: Shukun Technology Co.,Ltd.

Address before: Rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing

Patentee before: Shukun (Beijing) Network Technology Co.,Ltd.