[發明專利]圖像處理方法、裝置、電子設備及計算機可讀存儲介質

在審

• 申請號: 202010071526.4
• 申請日: 2018-12-27
• 公開（公告）號: CN111210467A
• 公開（公告）日: 2020-05-29
• 發明（設計）人: 宋濤
• 申請（專利權）人: 上海商湯智能科技有限公司
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06N3/04
• 代理公司: 北京林達劉知識產權代理事務所(普通合伙) 11277
• 代理人: 劉新宇

1.一種圖像處理方法，其特征在于，所述方法包括：

獲取待配準圖像和用于配準的參考圖像；

將所述待配準圖像和所述參考圖像輸入預設神經網絡模型，所述預設神經網絡模型訓練中衡量相似度的目標函數包括預設待配準圖像和預設參考圖像的相關系數損失；

基于所述預設神經網絡模型將所述待配準圖像向所述參考圖像配準，獲得配準結果。

2.根據權利要求1所述的圖像處理方法，其特征在于，所述獲取待配準圖像和用于配準的參考圖像之前，所述方法還包括：

獲取原始待配準圖像和原始參考圖像，對所述原始待配準圖像和所述原始參考圖像進行圖像歸一化處理，獲得滿足目標參數的所述待配準圖像和所述參考圖像。

3.根據權利要求2所述的圖像處理方法，其特征在于，所述對所述原始待配準圖像和所述原始參考圖像進行圖像歸一化處理，獲得滿足目標參數的所述待配準圖像和所述參考圖像包括：

將所述原始待配準圖像轉換為預設灰度值范圍內和預設圖像尺寸的待配準圖像；

將所述原始參考圖像轉換為所述預設灰度值范圍內和所述預設圖像尺寸的參考圖像。

4.根據權利要求1-3任一項所述的圖像處理方法，其特征在于，所述預設神經網絡模型的訓練過程包括：

獲取所述預設待配準圖像和所述預設參考圖像，將所述預設待配準圖像和所述預設參考圖像輸入所述預設神經網絡模型生成形變場；

基于所述形變場將所述預設待配準圖像向所述預設參考圖像配準，獲得配準后圖像；

獲得所述配準后圖像和所述預設參考圖像的相關系數損失；

基于所述相關系數損失對所述預設神經網絡模型進行參數更新，獲得訓練后的預設神經網絡模型。

5.根據權利要求4所述的圖像處理方法，其特征在于，所述獲取所述預設待配準圖像和所述預設參考圖像之后，所述方法還包括：

對所述預設待配準圖像和所述預設參考圖像進行圖像歸一化處理，獲得滿足預設訓練參數的預設待配準圖像和預設參考圖像；

所述將所述預設待配準圖像和所述預設參考圖像輸入所述預設神經網絡模型生成形變場包括：

將所述滿足預設訓練參數的預設待配準圖像和預設參考圖像輸入所述預設神經網絡模型生成形變場。

6.根據權利要求5所述的圖像處理方法，其特征在于，所述方法還包括：

將所述預設待配準圖像的尺寸和所述預設參考圖像的尺寸轉換為預設圖像尺寸；

所述對所述預設待配準圖像和所述預設參考圖像進行圖像歸一化處理，獲得滿足預設訓練參數的預設待配準圖像和預設參考圖像包括：

根據目標窗寬對所述轉換后的預設待配準圖像和預設參考圖像進行處理，獲得處理后的預設待配準圖像和預設參考圖像。

7.根據權利要求6所述的圖像處理方法，其特征在于，所述根據目標窗寬對所述轉換后的預設待配準圖像和預設參考圖像進行處理之前，所述方法還包括：

獲取所述預設待配準圖像的目標類別標簽，根據預設類別標簽與預設窗寬的對應關系，確定所述目標類別標簽對應的所述目標窗寬。

8.根據權利要求5-7任一項所述的圖像處理方法，其特征在于，所述方法還包括：

基于預設優化器對所述預設神經網絡模型進行預設學習率和預設閾值次數的參數更新。

9.一種圖像處理裝置，其特征在于，包括：獲取模塊和配準模塊，其中：

所述獲取模塊，用于獲取待配準圖像和用于配準的參考圖像；

所述配準模塊，用于將所述待配準圖像和所述參考圖像輸入預設神經網絡模型，所述預設神經網絡模型訓練中衡量相似度的目標函數包括預設待配準圖像和預設參考圖像的相關系數損失；

所述配準模塊，還用于基于所述預設神經網絡模型將所述待配準圖像向所述參考圖像配準，獲得配準結果。