[发明专利]图像集配准方法、装置、计算机设备和存储介质

说明书

本申请涉及一种图像集配准方法、装置、计算机设备和存储介质。该方法包括：获取待配准图像集；将所述待配准图像集进行层级化聚类，得到多个层级的待配准子图像集；并将所述多个层级的待配准子图像集进行层级化配准，得到所述待配准图像集的平均图像，所述待配准图像集中包括多个待配准图像，所述待配准子图像集中的各待配准图像的解剖结构外观特征相似。采用本方法能够可以避免现有技术中对同时对图像集中的多个待配准图像进行聚类所导致的运算量过大、运算时间过长以及资源占用多的情况，该方法在不损失配准精度的情况下，极大的减少了运算量，进而极大的缩短了运算时间，提高了图像集的配准效率，同时节约了系统资源。

技术领域

本申请涉及计算机技术领域，特别是涉及一种图像集配准方法、装置、计算机设备和存储介质。

背景技术

随着图像处理技术的快速发展，图像集的配准技术被广泛地应用于各行各业。以医学影像分析为例，精确的医学图像集配准能够精确“察觉”医学图像解剖结构的微小变化，以便于寻找和发现图像上的生物标记，帮助人们精准的地识别图像信息间的差异。现有技术中，人们首先选取图像集中一幅图像作为模板，之后将其他图像分别配准到该模板。这样的方法尽管简单直接，但由于选取的模板不具有图像集的共性，因而不可避免的会给后期图像分析引入偏差。目前，更加精确的计算方法，加入了对图像集在流行空间的分布的考虑，通过不断迭代的方式计算图像集的平均图像。

然而，这样的图像集的配准方法，其计算量大，配准效率低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高图像集配准效率的图像集配准方法、装置、计算机设备和存储介质。

第一方面，本申请实施例提供一种图像集配准方法，所述方法包括：

获取待配准图像集，所述待配准图像集中包括多个待配准图像；

将所述待配准图像集进行层级化聚类，得到多个层级的待配准子图像集，所述待配准子图像集中的各待配准图像的解剖结构外观特征相似；

将所述多个层级的待配准子图像集进行层级化配准，得到所述待配准图像集的平均图像。

在其中一个实施例中，所述将所述待配准图像集进行层级化聚类，得到多个层级的待配准子图像集，包括：

采用机器学习算法，根据预设的类内数量阈值对所述待配准图像集中的多个待配准图像执行层级聚类操作，得到多个层级的待配准子图像集。

在其中一个实施例中，所述采用机器学习算法，根据预设的类内数量阈值对所述待配准图像集中的多个待配准图像执行层级聚类操作，得到多个层级的待配准子图像集，包括：

采用所述机器学习算法，根据所述类内数量阈值对所述多个待配准图像进行第一层级化聚类，得到多个第一级聚类子图像集；

判断每个所述第一级聚类子图像集中图像的数量是否大于所述类内数量阈值；

若否，则确定所述第一级聚类子图像集为所述待配准子图像集；

若是，则采用所述机器学习算法，根据所述类内数量阈值对所述第一级聚类子图像集进行第二层级化聚类。

在其中一个实施例中，将所述多个层级的待配准子图像集进行层级化配准，得到所述待配准图像集的平均图像，包括：

对每一层级中的各所述待配准子图像集进行类内配准和类间配准，得到所述图像集的平均图像。

在其中一个实施例中，所述对每一层级中的各所述待配准子图像集进行类内配准和类间配准，得到所述图像集的平均图像，包括：