[发明专利]图像配准方法、装置、设备及存储介质

权利要求书

1.一种图像配准方法，其特征在于，所述方法包括：

获取样本图像对，所述样本图像对中包含样本待配准图像和样本目标图像；

将所述样本图像对输入第一配准网络，得到所述样本待配准图像与所述样本目标图像之间的第一形变场，并通过所述第一形变场对所述样本待配准图像进行形变处理，得到第一配准图像；

将所述样本图像对输入第二配准网络，得到所述样本待配准图像与所述样本目标图像之间的第二形变场，并通过所述第二形变场对所述样本待配准图像进行形变处理，得到第二配准图像，所述第一配准网络的第一网络参数与所述第二配准网络的第二网络参数是不同训练时间下的网络参数；

基于所述第一形变场、所述第一配准图像、所述第二配准图像以及所述样本目标图像，训练所述第一配准网络。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一形变场、所述第一配准图像、所述第二配准图像以及所述样本目标图像，训练所述第一配准网络，包括：

基于所述第一配准图像和所述样本目标图像确定相似度损失；

基于所述第一形变场确定空间正则化损失，所述空间正则化损失用于为形变场施加空间约束；

基于所述第一配准图像和所述第二配准图像确定时间正则化损失，所述时间正则化损失用于为形变场施加训练时间约束；

基于所述相似度损失、所述空间正则化损失以及所述时间正则化损失训练所述第一配准网络。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

通过所述第二配准网络确定所述空间正则化损失的第一损失权重，以及所述时间正则化损失的第二损失权重；

所述基于所述相似度损失、所述空间正则化损失以及所述时间正则化损失训练所述第一配准网络，包括：

基于所述相似度损失、所述空间正则化损失、所述第一损失权重、所述时间正则化损失以及所述第二损失权重，加权计算总损失；

基于所述总损失训练所述第一配准网络。

4.根据权利要求3所述的方法，其特征在于，所述通过所述第二配准网络确定所述空间正则化损失的第一损失权重，以及所述时间正则化损失的第二损失权重，包括：

通过所述第二配准网络对所述样本图像对进行n次前向预测，得到所述样本待配准图像与所述样本目标图像之间的n个第三形变场，n为大于等于2的整数；

通过所述n个第三形变场对所述样本待配准图像进行形变处理，得到n个第三配准图像；

基于所述n个第三形变场确定所述第一损失权重；

基于所述n个第三配准图像确定所述第二损失权重。

5.根据权利要求4所述的方法，其特征在于，所述基于所述n个第三形变场确定所述第一损失权重，包括：

确定所述n个第三形变场的平均形变场以及形变场标准差；

基于所述形变场标准差和所述平均形变场，确定形变场不确定度；

基于所述形变场不确定度确定所述第一损失权重，所述第一损失权重与所述形变场不确定度呈正相关关系。

6.根据权利要求4所述的方法，其特征在于，所述基于所述n个第三配准图像确定所述第二损失权重，包括：

确定所述n个第三配准图像的平均配准图像以及配准图像标准差；

基于所述配准图像标准差和所述平均配准图像，确定配准图像不确定度；

基于所述配准图像不确定度确定所述第二损失权重，所述第二损失权重与所述配准图像不确定度呈正相关关系。

7.根据权利要求4所述的方法，其特征在于，所述通过所述第二配准网络对所述样本图像对进行n次前向预测，得到所述样本待配准图像与所述样本目标图像之间的n个第三形变场，包括：

向所述样本图像对中增加随机扰动；

通过所述第二配准网络对增加随机扰动后的所述样本图像对进行n次前向预测，得到所述样本待配准图像与所述样本目标图像之间的n个第三形变场；

所述通过所述n个第三形变场对所述样本待配准图像进行形变处理，得到n个第三配准图像，包括：

通过所述n个第三形变场，对未增加随机扰动的所述样本待配准图像进行形变处理，得到所述n个第三配准图像。