一种基于深度学习的端到端图像配准与黑边补全方法

本发明涉及一种基于深度学习的端到端图像配准与黑边补全方法。该方法将图像配准与黑边补全任务整合为一个联合的深度学习网络，通过端到端的训练，优化图像配准精度与补全效果，从而提升图像质量的自然性与一致性。在本发明中，生成对抗网络的补全策略结合了轻量化特征匹配增强模块，能够高效、准确地生成与原图内容一致的补全区域，保证了补全区域与原图的无缝融合。同时，采用联合优化策略，通过多尺度特征提取模块和联合损失函数，在优化配准和补全任务时，减少了计算复杂度，提升了整体效果。本发明能够有效提高图像配准与补全的整体质量，广泛应用于医学影像处理、遥感图像分析、计算机视觉等多个领域。