摘要
本发明提供了一种图像配准方法、系统及电子设备,能够更加高效精确地实现图像配准。方法包括:获取源图像与目标图像,对源图像与目标图像进行处理,生成Swin‑UNet神经网络模型的输入数据;利用Swin‑UNet神经网络模型的编码模块中的多个第一特征提取层对输入数据进行多层次特征提取,生成特征表征数据;利用Swin‑UNet神经网络模型的译码模块中的多个第二特征提取层对特征表征数据进行特征提取,生成内容特征数据;多个第二特征提取层与编码模块中的多个第一特征提取层对称设置;基于内容特征数据进行线性映射以确定配准域数据,并针对配准域数据进行空间变换,生成配准图像。本发明能够显著提高图像配准的精度和效率。
技术关键词
神经网络模型
图像配准方法
多层次特征提取
译码模块
编码模块
生成特征
多层感知机
注意力机制
特征提取模块
图像配准系统
ReLU函数
数据输入模块
线性
电子设备
度函数
处理器
上采样
系统为您推荐了相关专利信息
负荷短期预测方法
灰色关联度
节点
代表
皮尔逊相关系数
判别方法
判别装置
训练神经网络模型
数据收集模块
酿酒工艺
网络单元
系统故障诊断方法
故障传播路径
轨迹轮廓
Kubernetes容器
分布式光伏
参数优化方法
波形
神经网络模型
矩阵