买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江像质科技有限公司

摘要：本发明公开一种基于深度多尺度相关与外点剔除的跨模态图像配准方法，所述方法包括：获取多幅跨模态图像对并进行预处理，构建训练图像；搭建深度卷积神经网络模型，通过所述训练图像对所述深度卷积神经网络模型进行多个尺度同步训练，在训练过程中，使用各尺度逐点约束的损失函数监督网络参数的更新；将多个尺度同步推断的特征点匹配关系构成匹配点集合，通过RANSAC剔除外点，进行配准参数求解训练；通过训练好的深度卷积神经网络模型进行待测图像配准，输出配准参数，得到图像配准结果。本发明搭建了深度卷积神经网络模型，可以基于跨模态图像对进行多个尺度特征提取、不同尺度同步推断训练和配准参数求解，可以提高图像配准的准确度。

主权项：1.一种基于深度多尺度相关与外点剔除的跨模态图像配准方法，其特征在于，所述方法包括：获取多幅跨模态图像对并进行预处理，构建训练图像；搭建深度卷积神经网络模型，通过所述训练图像对所述深度卷积神经网络模型进行多个尺度同步训练，在训练过程中，使用各尺度逐点约束的损失函数监督网络参数的更新；将多个尺度同步推断的特征点匹配关系构成匹配点集合，通过RANSAC剔除外点，进行配准参数求解训练；通过训练好的深度卷积神经网络模型进行待测图像配准，输出配准参数，得到图像配准结果；所述深度卷积神经网络模型具体包括：多尺度特征孪生抽取模块，用于对训练图像进行多尺度特征提取；图像相关性匹配度量模块，用于在多个尺度同时进行特征相关性计算，进行图像的匹配度量；RANSAC配准参数求解模块，用于利用各尺度对应的多个解码器同时对图像的匹配度量结果进行解码，得到特征点匹配结果；将特征点匹配结果组成点集匹配结果集合，采用RANSAC算法进行内外点辨识，并计算图像配准透视变换矩阵M；所述多尺度特征孪生抽取模块以残差模块为基础单元，利用跳层连接形成U-net结构的孪生卷积神经网络，对训练图像进行多尺度特征提取；所述在多个尺度同时进行特征相关性计算的表达式为： 其中，Cni，j为图像Ia在尺度n、位置i处的特征与图像Ib在尺度n、位置j处的特征的相关性，n＝1,2，...，N，N为尺度总数；ReLU为激活函数，代表图像Ia在尺度n、位置i处的特征，表示的L2范数，代表图像Ib在尺度n、位置j处的特征，表示的L2范数，Ia与Ib为跨模态图像对；所述采用RANSAC算法进行内外点辨识，并计算图像配准透视变换矩阵M具体包括：设点集匹配结果集合记为{S|Sn∈S，n＝1，2，...，N}，Sn为尺度n推断的特征点匹配关系结合，计算图像配准透视变换矩阵M的表达式为： 其中k代表对匹配集合S的随机采样次数，k＝0，1，2，...K，M11、M12、M13、M21、M22、M23均为矩阵M的元素，xn、yn、x′n、y′n∈Sn为随机采样的一对匹配点。

全文数据：

权利要求：

百度查询： 浙江像质科技有限公司 基于深度多尺度相关与外点剔除的跨模态图像配准方法