[發(fā)明專利]圖像處理方法、裝置、電子設(shè)備及計算機可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010071526.4
• 申請日: 2018-12-27
• 公開（公告）號: CN111210467A
• 公開（公告）日: 2020-05-29
• 發(fā)明（設(shè)計）人: 宋濤
• 申請（專利權(quán)）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(chǎn)權(quán)代理事務(wù)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(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型，所述預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練中衡量相似度的目標函數(shù)包括預(yù)設(shè)待配準圖像和預(yù)設(shè)參考圖像的相關(guān)系數(shù)損失；

基于所述預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型將所述待配準圖像向所述參考圖像配準，獲得配準結(jié)果。

2.根據(jù)權(quán)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(shù)的所述待配準圖像和所述參考圖像。

3.根據(jù)權(quán)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(shù)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(zhuǎn)換為預(yù)設(shè)灰度值范圍內(nèi)和預(yù)設(shè)圖像尺寸的待配準圖像；

將所述原始參考圖像轉(zhuǎn)換為所述預(yù)設(shè)灰度值范圍內(nèi)和所述預(yù)設(shè)圖像尺寸的參考圖像。

4.根據(jù)權(quán)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(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程包括：

獲取所述預(yù)設(shè)待配準圖像和所述預(yù)設(shè)參考圖像，將所述預(yù)設(shè)待配準圖像和所述預(yù)設(shè)參考圖像輸入所述預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型生成形變場；

基于所述形變場將所述預(yù)設(shè)待配準圖像向所述預(yù)設(shè)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(yù)設(shè)參考圖像的相關(guān)系數(shù)損失；

基于所述相關(guān)系數(shù)損失對所述預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型進行參數(shù)更新，獲得訓(xùn)練后的預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型。

5.根據(jù)權(quán)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(yù)設(shè)待配準圖像和所述預(yù)設(shè)參考圖像之后，所述方法還包括：

對所述預(yù)設(shè)待配準圖像和所述預(yù)設(shè)參考圖像進行圖像歸一化處理，獲得滿足預(yù)設(shè)訓(xùn)練參數(shù)的預(yù)設(shè)待配準圖像和預(yù)設(shè)參考圖像；

所述將所述預(yù)設(shè)待配準圖像和所述預(yù)設(shè)參考圖像輸入所述預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型生成形變場包括：

將所述滿足預(yù)設(shè)訓(xùn)練參數(shù)的預(yù)設(shè)待配準圖像和預(yù)設(shè)參考圖像輸入所述預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型生成形變場。

6.根據(jù)權(quán)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(yù)設(shè)待配準圖像的尺寸和所述預(yù)設(shè)參考圖像的尺寸轉(zhuǎn)換為預(yù)設(shè)圖像尺寸；

所述對所述預(yù)設(shè)待配準圖像和所述預(yù)設(shè)參考圖像進行圖像歸一化處理，獲得滿足預(yù)設(shè)訓(xùn)練參數(shù)的預(yù)設(shè)待配準圖像和預(yù)設(shè)參考圖像包括：

根據(jù)目標窗寬對所述轉(zhuǎn)換后的預(yù)設(shè)待配準圖像和預(yù)設(shè)參考圖像進行處理，獲得處理后的預(yù)設(shè)待配準圖像和預(yù)設(shè)參考圖像。

7.根據(jù)權(quán)利要求6所述的圖像處理方法，其特征在于，所述根據(jù)目標窗寬對所述轉(zhuǎn)換后的預(yù)設(shè)待配準圖像和預(yù)設(shè)參考圖像進行處理之前，所述方法還包括：

獲取所述預(yù)設(shè)待配準圖像的目標類別標簽，根據(jù)預(yù)設(shè)類別標簽與預(yù)設(shè)窗寬的對應(yīng)關(guān)系，確定所述目標類別標簽對應(yīng)的所述目標窗寬。

8.根據(jù)權(quán)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(yù)設(shè)優(yōu)化器對所述預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型進行預(yù)設(shè)學習率和預(yù)設(shè)閾值次數(shù)的參數(shù)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(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型，所述預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練中衡量相似度的目標函數(shù)包括預(yù)設(shè)待配準圖像和預(yù)設(shè)參考圖像的相關(guān)系數(shù)損失；

所述配準模塊，還用于基于所述預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型將所述待配準圖像向所述參考圖像配準，獲得配準結(jié)果。