一种基于深度学习的多模态图像配准方法

摘要

本发明属于图像处理领域，公开了一种基于深度学习的多模态图像配准方法，用于解决传统的图像配准方法对不同成像模式的相机拍摄的复杂多模态图像配准时误差较大的难题，本发明的图像配准方法先将图像集A中的原图像放入语义分割网络，得到分割图像集B；接着将图像集B与图像集A中对应的图像逐像素点相乘，得到图像集C；随后在图像集C中选择一张图像作为固定图像，用图像的灰度值信息计算几何变换来得到形变图像，计算形变图像和参考图像之间的相似度，通过优化算法迭代出两张图像相似度最大的最优变换T，再将变换T应用在图像集A中完成图像的配准。本发明的方法可以实现对复杂的多模态图像进行配准，具有配准精度高，实时性的特点。