[发明专利]一种影像初始配准及神经网络的训练方法、装置和设备

说明书

本申请提供一种影像初始配准及神经网络的训练方法、装置和设备，方法包括：确定放射对象在二维影像中所形成图案的轮廓信息；将轮廓信息输入神经网络；经神经网络对输入的轮廓信息进行特征提取，并根据提取的特征确定二维影像与三维影像的初始配准信息。通过本申请的技术方案，可以提高二维影像与三维影像之间的初始配准精度和鲁棒性。

技术领域

本申请涉及网络技术领域，具体涉及一种影像初始配准及神经网络的训练方法、装置和设备。

背景技术

随着影像成像技术的快速发展，各种成像设备层出不穷，与此同时，新的成像设备的推出和已有成像设备的继续改进，使得影像成像技术在越来越多的行业中被广泛应用。

基于不同类型影像设备的成像方式不同，通过不同类型的影像设备所获得的图像具有不同的特点和应用价值。因此，如何集各种影像设备之所长，实现不同类型影像之间的综合利用具有空前的研究意义，其中，如何把基于不同成像设备在同一场景或相似场景中获得的影像进行融合是获取不同类型影像之间的综合利用价值的关键过程。

然而，相关技术中直接对不同类型的影像之间进行配准的方法，在影像的初始姿态与目标姿态相差较大的情况下极易造成错误配准，导致配准结果的准确性低下；此外，基于全局优化搜索算法的配准过程，诸如蚁群算法、模拟退火算法等，则由于迭代过程中的计算时间过长而导致配准效率低下。

发明内容

有鉴于此，本申请提供一种影像初始配准及神经网络的训练方法、装置和设备，可基于神经网络获得与放射对象在二维影像中所形成图案的轮廓信息对应的三维影像的初始配准信息，不仅降低了计算过程中的时间复杂度，而且提高了二维影像与三维影像之间的初始配准精度，且配准方法具有较高的鲁棒性。

为实现上述目的，本申请提供技术方案如下：

根据本申请的第一方面，提出了一种影像初始配准方法，所述方法包括：

确定放射对象在二维影像中所形成图案的轮廓信息；

将所述轮廓信息输入神经网络，其中，所述神经网络预先采用包括有实际配准标注信息的轮廓信息样本训练完成，所述实际配准标注信息为所述放射对象形成的三维影像的位姿数据，且所述位姿数据下的三维影像匹配于所述轮廓信息样本所属的二维影像；

经所述神经网络对输入的所述轮廓信息进行特征提取，并根据提取的特征确定所述二维影像与所述三维影像的初始配准信息。

可选的，所述确定放射对象在二维影像中所形成图案的轮廓信息，包括：

确定放射对象在二维影像中所形成图案的至少两个边缘区域的边缘轮廓曲线，所述边缘轮廓曲线是通过对所述边缘区域中的特征进行拟合而得到的；

确定所述边缘轮廓曲线之间的交点信息，以将所确定的交点信息作为所述二维影像所表征的放射对象的轮廓信息。

可选的，所述对所述边缘区域中的特征进行拟合，包括：

确定所述边缘区域中的轮廓点集；基于曲线模型确定所述轮廓点集对应的曲线方程；或者，

基于最大类间方差法提取所述边缘区域内部的图案轮廓区域；获取所述图案轮廓区域对应的投影图像；基于所述投影图像中的投影极大值点的位置拟合所述图案轮廓区域对应的回归方程。

可选的，所述轮廓信息样本所属的二维影像，包括：

基于相似性算法在二维重建图像集合中筛选出的与实际二维影像相匹配的二维重建图像，所述二维重建图像集合包括将所述放射对象按照预设规则变化后的三维影像对应的多个二维影像，所述实际配准标注信息为所述放射对象按照预设规则变化后的三维影像的位姿数据。