摘要
本发明公开了一种基于特征解耦的多模态图像配准方法、系统和计算机设备,包括以下步骤:1、获取若干多模态图像并处理,得到具有多样性的多模态图像配准数据集;2、搭建基于特征解耦的多模态图像配准神经网络模型;3、设计损失函数监督多模态图像配准神经网络模型的训练,优化配准过程;4、利用训练好的多模态图像配准神经网络模型对待配准多模态图像进行处理,得到图像转换参数矩阵,根据图像转换参数矩阵对图像对中的待配准图像进行转换,得到配准后的图像。本发明所提出的基于特征解耦的多模态图像配准方法,能够有效提高多模态图像配准的性能,尤其是在面对不同模态之间较大差异的情况下,表现出良好的鲁棒性。
技术关键词
多模态图像配准
神经网络模型
通用特征
配准多模态图像
图像配准方法
矩阵
残差模块
参数
模型训练模块
分支
计算机设备
图像配准系统
搭建模块
积层
邻域
卷积模块
系统为您推荐了相关专利信息
判断系统
大数据
拓扑网络
循环神经网络模型
数据采集模块
页岩储层脆性
地震预测方法
岩石参数
误差函数
数据体
口腔CBCT图像
种植体
数字化导板
精度评估方法
图像配准方法
经济运行控制
状态监测方法
配电变压器
LSTM神经网络模型
变压器状态监测