[發明專利]圖像集配準方法、裝置、計算機設備和存儲介質

有效

• 申請號: 201811624108.2
• 申請日: 2018-12-28
• 公開（公告）號: CN109685840B
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 董昢;曹曉歡;薛忠
• 申請（專利權）人: 上海聯影智能醫療科技有限公司
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06K9/62
• 代理公司: 北京華進京聯知識產權代理有限公司 11606
• 代理人: 朱五云

本申請涉及一種圖像集配準方法、裝置、計算機設備和存儲介質。該方法包括：獲取待配準圖像集；將所述待配準圖像集進行層級化聚類，得到多個層級的待配準子圖像集；并將所述多個層級的待配準子圖像集進行層級化配準，得到所述待配準圖像集的平均圖像，所述待配準圖像集中包括多個待配準圖像，所述待配準子圖像集中的各待配準圖像的解剖結構外觀特征相似。采用本方法能夠可以避免現有技術中對同時對圖像集中的多個待配準圖像進行聚類所導致的運算量過大、運算時間過長以及資源占用多的情況，該方法在不損失配準精度的情況下，極大的減少了運算量，進而極大的縮短了運算時間，提高了圖像集的配準效率，同時節約了系統資源。

技術領域

本申請涉及計算機技術領域，特別是涉及一種圖像集配準方法、裝置、計算機設備和存儲介質。

背景技術

隨著圖像處理技術的快速發展，圖像集的配準技術被廣泛地應用于各行各業。以醫學影像分析為例，精確的醫學圖像集配準能夠精確“察覺”醫學圖像解剖結構的微小變化，以便于尋找和發現圖像上的生物標記，幫助人們精準的地識別圖像信息間的差異。現有技術中，人們首先選取圖像集中一幅圖像作為模板，之后將其他圖像分別配準到該模板。這樣的方法盡管簡單直接，但由于選取的模板不具有圖像集的共性，因而不可避免的會給后期圖像分析引入偏差。目前，更加精確的計算方法，加入了對圖像集在流行空間的分布的考慮，通過不斷迭代的方式計算圖像集的平均圖像。

然而，這樣的圖像集的配準方法，其計算量大，配準效率低。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高圖像集配準效率的圖像集配準方法、裝置、計算機設備和存儲介質。

第一方面，本申請實施例提供一種圖像集配準方法，所述方法包括：

獲取待配準圖像集，所述待配準圖像集中包括多個待配準圖像；

將所述待配準圖像集進行層級化聚類，得到多個層級的待配準子圖像集，所述待配準子圖像集中的各待配準圖像的解剖結構外觀特征相似；

將所述多個層級的待配準子圖像集進行層級化配準，得到所述待配準圖像集的平均圖像。

在其中一個實施例中，所述將所述待配準圖像集進行層級化聚類，得到多個層級的待配準子圖像集，包括：

采用機器學習算法，根據預設的類內數量閾值對所述待配準圖像集中的多個待配準圖像執行層級聚類操作，得到多個層級的待配準子圖像集。

在其中一個實施例中，所述采用機器學習算法，根據預設的類內數量閾值對所述待配準圖像集中的多個待配準圖像執行層級聚類操作，得到多個層級的待配準子圖像集，包括：

采用所述機器學習算法，根據所述類內數量閾值對所述多個待配準圖像進行第一層級化聚類，得到多個第一級聚類子圖像集；

判斷每個所述第一級聚類子圖像集中圖像的數量是否大于所述類內數量閾值；

若否，則確定所述第一級聚類子圖像集為所述待配準子圖像集；

若是，則采用所述機器學習算法，根據所述類內數量閾值對所述第一級聚類子圖像集進行第二層級化聚類。

在其中一個實施例中，將所述多個層級的待配準子圖像集進行層級化配準，得到所述待配準圖像集的平均圖像，包括：

對每一層級中的各所述待配準子圖像集進行類內配準和類間配準，得到所述圖像集的平均圖像。

在其中一個實施例中，所述對每一層級中的各所述待配準子圖像集進行類內配準和類間配準，得到所述圖像集的平均圖像，包括：