[发明专利]一种基于深度学习的图像配准方法及装置

摘要

本发明提供的基于深度学习的图像配准方法及装置，通过利用胶囊网络构建图像配准模型，由向量特征表示和路由选择机制代替传统深度学习卷积网络中的标量表示和池化机制，逐级连接不同层次的胶囊以进行特征间组合；通过构建基于胶囊向量的图像融合网络，以输出与参考图像同样维度大小的融合图像作为配准输出；通过构建基于图像间相似性度量的损失函数，以反馈训练网络参数，优化无监督学习的配准网络，实现具有高精度、高鲁棒性的图像配准操作。

主权项

1.一种基于深度学习的图像配准方法，其特征在于，所述方法包括：将基准图像和待配准图像作为双通道输入并通过卷积运算提取局部特征；构建胶囊层并将所述局部特征中的低维信息输入所述胶囊层得到具有空间位置信息的高维特征向量；通过所述高维特征向量对配准后的基准图像和待配准图像使用全连接层进行预测重构以使得待配准图像和基准图像的相似度达到最优得到融合图像，将所述融合图像作为配准后图像输出。