基于迁移学习和卷积神经网络的MR图像特征匹配研究

摘要

针对MR影像中非线性柔性生物组织内部特征匹配问题,提出一种基于迁移学习和卷积神经网络(CNN)的特征点匹配方法CNN+.采用DOG算子和Harris检测器,分别从柔性生物组织形变前后的MR图像中提取出特征点;采用Siamese网络结构,结合迁移学习得到预训练的CNN模型,对其进行微调,提升模型性能,并使用微调后的模型获得所提取出的特征点描述符;采用L2标准相似性度量进行计算图像相似性.通过现有的柔性生物组织MR图像数据集进行实验验证.结果表明,在分别基于SIFT、VGG16以及CNN+的特征描述和匹配方法中,该方法有较高的特征匹配准确率,性能均优于其他两种解决方案.