[发明专利]图像处理方法、装置、电子设备及计算机可读存储介质

说明书

本申请实施例公开了一种图像处理方法、装置、电子设备及计算机可读存储介质，其中方法包括：获取待配准图像和用于配准的参考图像；将所述待配准图像和所述参考图像输入预设神经网络模型，所述预设神经网络模型基于预设待配准图像和预设参考图像的互信息损失进行训练获得；基于所述预设神经网络模型将所述待配准图像向所述参考图像配准，获得配准结果，可以提高图像配准的精度和实时性。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种图像处理方法、装置、电子设备及计算机可读存储介质。

背景技术

图像配准是将不同的获取时间、不同传感器、不同条件下的同一场景或者同一目标的两幅或者多幅图像进行配准的过程，被广泛应用于医学图像处理过程中。医学图像配准是医学图像处理领域中一项重要技术，对临床诊断和治疗起着越来越重要的作用。

现代医学通常需要将多个模态或者多个时间点获得的医学图像进行综合分析，那么在进行分析之前就需要将几副图像进行配准工作。传统的可形变配准方法是通过不断计算每个像素点的一个对应关系，通过相似性度量函数来计算配准后的图像与参考图像的相似度并且不断的迭代的一个过程，直到达到一个合适的结果，这个过程通常需要几个小时甚至更长的时间来完成，而在实际应用中病人脏器器官配准的需求量较大，并且在很多情况下如手术前对配准的结果要求急迫，可见一般的配准方法较浪费诊断医生的时间，缺乏时效性。

发明内容

本申请实施例提供了一种图像处理方法、装置、电子设备及计算机可读存储介质，可以提高图像配准的精度和实时性。

本申请实施例第一方面提供一种图像处理方法，包括：

获取待配准图像和用于配准的参考图像；

将所述待配准图像和所述参考图像输入预设神经网络模型，所述预设神经网络模型基于预设待配准图像和预设参考图像的互信息损失进行训练获得；

基于所述预设神经网络模型将所述待配准图像向所述参考图像配准，获得配准结果。

在一种可选的实施方式中，所述获取待配准图像和用于配准的参考图像之前，所述方法还包括：

获取原始待配准图像和原始参考图像，对所述原始待配准图像和所述原始参考图像进行图像归一化处理，获得满足目标参数的所述待配准图像和所述参考图像。

在一种可选的实施方式中，所述对所述原始待配准图像和所述原始参考图像进行图像归一化处理，获得满足目标参数的所述待配准图像和所述参考图像包括：

将所述原始待配准图像转换为预设灰度值范围内和预设图像尺寸的待配准图像；以及，

将所述原始参考图像转换为所述预设灰度值范围内和所述预设图像尺寸的参考图像。

在一种可选的实施方式中，所述预设神经网络模型包括配准模型和互信息估计网络模型，所述预设神经网络模型的训练过程包括：

获取所述预设待配准图像和所述预设参考图像，将所述预设待配准图像和所述预设参考图像输入所述配准模型生成形变场；

在基于所述形变场和所述预设待配准图像向所述预设参考图像配准的过程中，通过所述互信息估计网络模型对配准后图像和所述预设参考图像的互信息进行估计，获得互信息损失；

基于所述互信息损失对所述配准模型和所述互信息估计网络模型进行参数更新，获得训练后的预设神经网络模型。

在一种可选的实施方式中，所述通过所述互信息估计网络模型对配准后图像和所述预设参考图像的互信息进行估计，获得互信息损失包括：

通过所述互信息估计网络模型，基于配准后图像和所述预设参考图像获得联合概率分布和边缘概率分布；