科创中国

物理

本发明公开了一种2D‑3D图像配准方法及系统，其采用基于归一化互信息NMI(A,B)和梯度差分GD(A,B)相结合的相似性度量函数NMG(A,B)作为2D‑3D图像配准的目标函数；配准过程中，采用高斯金字塔卷积算法对待配准的图像A和图像B进行多分辨率采样处理；基于常规步长梯度下降算法最小化所述目标函数，以实现2D‑3D图像配准。本发明具有以下有益效果：加权相似性度量函数同时包含了图像的灰度信息和空间梯度信息，配准结果更加精确；引入高斯金字塔卷积算法作为多分辨率策略，对配准图像进行采样处理，减少配准时间，提高整体配准效率；采用常规步长梯度下降算法作为优化算法，提高配准速度，避免陷入局部最优值。

1.一种2D-3D图像配准方法，其特征在于，该方法采用基于归一化互信息NMI(A,B)和梯度差分GD(A,B)相结合的相似性度量函数NMG(A,B)作为2D-3D图像配准的目标函数；其中，NMI(A,B)为图像A和图像B的归一化互信息；GD(A,B)为图像A和图像B的梯度差分；图像A和图像B之一为2D图像，另一为3D图像。 2.根据权利要求1所述的2D-3D图像配准方法，其特征在于，NMI(A,B)、GD(A,B)、NMG(A,B)间满足以下条件： NMG(A，B)＝α1·NMI(A，B)+α2·GD(A，B)； 其中，α1为预设的与NMI(A,B)对应的第一权重，α2为预设的与GD(A,B)对应的第二权重，α1+α2＝1。 3.根据权利要求1所述的2D-3D图像配准方法，其特征在于，配准过程中，采用高斯金字塔卷积算法对待配准的图像A和图像B进行多分辨率采样处理。 4.根据权利要求1至3任一项所述的2D-3D图像配准方法，其特征在于，还包括：基于常规步长梯度下降算法最小化所述目标函数，以实现2D-3D图像配准。

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

点击查看