[发明专利]一种基于深度学习的足底压力图像配准方法

说明书

本发明公开了一种基于深度学习的足底压力图像配准方法，本发明是利用级联卷积神经网络回归模型来估算得到足底压力图像的配准参数，而对待配准足底压力图像则使用主轴算法来估算得到初始配准参数，进而使得待配准图像的旋转角度缩小到一定范围，以便后续的二次配准，且设计的级联卷积神经网络框架，其分为粗调网络和细调网络，通过不同的变换参数来产生源足底压力图像，所产生的数据集用于模型训练，之后将待配准图像依次输入至训练出的粗调网络模型和细调网络模型中，最后将粗调网络模型和细调网络模型输出的结果进行叠加组合，以得到最终的足底压力图像配准参数，使得优化配准参数的效率得到显著提升。

技术领域

本发明涉及图像配准技术领域，具体为一种基于深度学习的足底压力图像配准方法。

背景技术

足底压力图像配准对统计学和生物力学的分析具有重要的作用，除了人类步态的一般力学之外，足底压力分布还为医学领域的研究人员和专家提供了关于足部结构和功能的重要信息。因此，在诊断足部不适、开发鞋以及获取步态分析的有用信息方面都非常有帮助。足底压力分布也能够比较受伤和非受伤患者、创伤前和创伤后或手术状态的四肢负荷。此外，它擅长于比较患者和对照组，并提供了针对每个接触区域的详细信息。

现如今有许多不同的技术可以获取到相关的压力分布，对于这些技术中的大多数，足底压力数据可以转换成离散的矩形阵列。因此，图像处理和分析技术可以直接用于帮助研究人员和医学专家从采集的数字数据中获得相关信息。

就足底压力数据而言，非常需要精确工作的图像配准方法，即最佳的对准由图像表示的同源结构的方法。例如，对于医学领域的研究人员和专家来说，同一受试者间的配准对于精确比较患者随时间推移的足底压力、创伤前后的损伤或手术状态，或者建立准确揭示人的足部压力分布的模型来说是极有价值的。相同主体间的配准对于建立足部数据库是必不可少的，即能够存储与公共参考系统正确对准的足部数据的图谱，该图谱能够将特定的足部与先前研究的足部进行比较，以帮助从足底压力图像中分割出脚的主要区域，并能够支持自动足部分类。

除了上述优点之外，足底压力图像配准还支持像素级统计，这使得从足底压力图像中获取生物力学相关信息比从目前正在使用的传统区域技术中获取信息更加有效，因此需要开发一种全自动、准确和快速的足底压力图像配准技术，它既能提供速度又能提供精度，且还能根据各种相似性或者不相似性度量标准来保持足够的足底压力图像对应关系，以使研究人员和医学专家能从现在使用的传统手动或半自动配准解决方案所需的繁琐和耗时的任务中解放出来，使得足底压力图像配准在近实时实验室和临床应用中更加实用；且现有的基于足底压力图像的配准方法大都是通过迭代优化过程，以最小化配准误差函数的方法来估算配准参数，而为了获得令人满意的配准精度，这些方法的计算量非常大且消耗时间很长。

为了解决上述缺陷，现提供一种技术方案。

发明内容

本发明的目的在于提供一种基于深度学习的足底压力图像配准方法，本发明是将卷积神经网络引入到图像配准中，其目的在于模拟实际生物的神经网络，并依据优异的特征学习能力来学习嵌入在图像中的健壮特征，用于更新图像配准参数，以达到近实时的足底压力图像配准，由此解决现存的足底压力图像配准方法准确性低、消耗时间长等技术问题。

本发明所要解决的技术问题如下：

如何提供一种有效的方式，来解决现存的足底压力图像配准方法准确性低、消耗时间长的情况。

本发明的目的可以通过以下技术方案实现：

一种基于深度学习的足底压力图像配准方法，包括如下步骤：

A1：依据压力传感垫系统来实时采集用户步行时的每一帧连续的足底压力图像，而每时刻的该足底压力图像均为一帧一帧的进行采集，并非为一个完整的足底压力图像，并据此建立足底压力图像数据库；