[发明专利]基于小波神经网络的图像融合方法、装置、设备及介质

权利要求书

1.一种基于小波神经网络的图像融合方法，其特征在于，所述方法包括下述步骤：

接收采集到的内窥镜图像，并获取预先采集到、用于与所述内窥镜图像进行图像融合的CT图像；

计算所述CT图像对应所述内窥镜图像的相对缩放比例，计算所述CT图像对应所述内窥镜图像的相对旋转角度；

根据所述CT图像对应所述内窥镜图像的相对缩放比例和所述相对旋转角度，对所述CT图像进行缩放和旋转；

通过预先训练好的小波神经网络，对所述CT图像和所述内窥镜图像进行图像融合，生成相应的增强现实手术图像；

通过增强现实显示设备对所述增强现实手术图像进行显示输出。

2.如权利要求1所述的方法，其特征在于，计算所述CT图像对应所述内窥镜图像的相对缩放比例的步骤，包括：

通过高斯型拉普拉斯算子计算所述CT图像的图像窗口尺寸和所述内窥镜图像的图像窗口尺寸；

根据所述CT图像的图像窗口尺寸和所述内窥镜图像的图像窗口尺寸，计算所述CT图像对应所述内窥镜图像的相对缩放比例。

3.如权利要求1所述的方法，其特征在于，计算所述CT图像对应所述内窥镜图像的相对旋转角度的步骤，包括：

通过Radon变换方式，计算所述CT图像对应所述内窥镜图像的相对旋转角度。

4.如权利要求1所述的方法，其特征在于，对所述CT图像和所述内窥镜图像进行图像融合的步骤，包括：

将所述CT图像输入所述小波神经网络，获得所述CT图像的近似图像；

根据所述近似图像与所述内窥镜图像的最小均方误差，确定所述CT图像与所述内窥镜图像的匹配度，所述小波神经网络隐含层的神经元为Gabor函数。

5.如权利要求1所述的方法，其特征在于，所述增强现实显示设备为头盔式增强现实显示设备。

6.一种基于小波神经网络的图像融合装置，其特征在于，所述装置包括：

图像接收单元，用于接收采集到的内窥镜图像，并获取预先采集到、用于与所述内窥镜图像进行图像融合的CT图像；

比例角度计算单元，用于计算所述CT图像对应所述内窥镜图像的相对缩放比例，计算所述CT图像对应所述内窥镜图像的相对旋转角度；

缩放旋转单元，用于根据所述CT图像对应所述内窥镜图像的相对缩放比例和所述相对旋转角度，对所述CT图像进行缩放和旋转；

图像融合单元，用于通过预先训练好的小波神经网络，对所述CT图像和所述内窥镜图像进行图像融合，生成相应的增强现实手术图像；以及

图像输出单元，用于通过增强现实显示设备对所述增强现实手术图像进行显示输出。

7.如权利要求6所述的装置，其特征在于，所述比例角度计算单元包括：

窗口尺寸计算单元，用于通过高斯型拉普拉斯算子计算所述CT图像的图像窗口尺寸和所述内窥镜图像的图像窗口尺寸；以及

缩放比例计算单元，用于根据所述CT图像的图像窗口尺寸和所述内窥镜图像的图像窗口尺寸，计算所述CT图像对应所述内窥镜图像的相对缩放比例。

8.如权利要求6所述的装置，其特征在于，所述比例角度计算单元还包括：

旋转角度计算单元，用于通过Radon变换方式，计算所述CT图像对应所述内窥镜图像的相对旋转角度。

9.一种图像处理设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。