公开(公告)号：CN115082293B

公开(公告)日：2024-09-06

申请号：CN202210650873.1

申请日：2022-06-10

Applicant: 南京理工大学

Inventor： 李敏 ,  范盼 ,  王梦文

IPC: G06T3/147 ,  G06T3/4007 ,  G06T3/4038 ,  G06T7/33 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/088 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明公开了一种基于Swin Transformer和CNN双分支耦合的图像配准方法。该方法包括以下步骤：1、对原始数据中所有图像进行执行灰度值归一化、中心裁剪和重采样等标准的预处理步骤；2、将浮动图像和固定图像拼接后送入配准网络，并行经过Swin Transformer和CNN两个编码器分支；3、在Swin Transformer的每一个阶段，通过双分支特征耦合模块将Swin Transformer特征映射与对应分辨率的CNN特征映射进行特征交互与融合；4、解码器自适应调整来自编码器的深层特征与来自上层的特征，最后输出浮动图像和固定图像之间的形变场；5、将浮动图像和形变场输入空间变换网络，得到配准图像。6、计算配准图像与固定图像之间的相似性损失以及形变场的正则化损失，经反向传播训练网络。本发明使用Swin Transformer与CNN双分支进行特征提取，充分利用两种分支的优点，实现了特征互补。

公开(公告)号：CN115082293A

公开(公告)日：2022-09-20

申请号：CN202210650873.1

申请日：2022-06-10

Applicant: 南京理工大学

Inventor： 李敏 ,  范盼 ,  王梦文

IPC: G06T3/00 ,  G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于Swin Transformer和CNN双分支耦合的图像配准方法。该方法包括以下步骤：1、对原始数据中所有图像进行执行灰度值归一化、中心裁剪和重采样等标准的预处理步骤；2、将浮动图像和固定图像拼接后送入配准网络，并行经过Swin Transformer和CNN两个编码器分支；3、在Swin Transformer的每一个阶段，通过双分支特征耦合模块将Swin Transformer特征映射与对应分辨率的CNN特征映射进行特征交互与融合；4、解码器自适应调整来自编码器的深层特征与来自上层的特征，最后输出浮动图像和固定图像之间的形变场；5、将浮动图像和形变场输入空间变换网络，得到配准图像。6、计算配准图像与固定图像之间的相似性损失以及形变场的正则化损失，经反向传播训练网络。本发明使用Swin Transformer与CNN双分支进行特征提取，充分利用两种分支的优点，实现了特征互补。