计算机应用

作者：张家岗, 李达平, 杨晓东, 邹茂扬, 吴锡, 胡金蓉

单位：1.成都信息工程大学 计算机学院，成都 610225；2.中国科学院 成都计算机应用研究所，成都 610041

关键词：图像配准,形变配准,卷积神经网络,特征提取,光流法

基金：国家自然科学基金资助项目（61303126，61602390）；四川省科技计划项目（2016RZ0051，2018RZ0072）；教育部春晖计划项目（Z2015108）。

光流法是一种基于光流场模型的重要而有效的形变配准算法。针对现有光流法所用特征质量不高使得配准结果不够准确的问题，将深度卷积神经网络特征和光流法相结合，提出了基于深度卷积特征光流（DCFOF）的形变医学图像配准算法。首先利用深度卷积神经网络稠密地提取图像中每个像素所在图像块的深度卷积特征，然后基于固定图像和浮动图像间的深度卷积特征差异求解光流场。通过提取图像的更为精确和鲁棒的深度学习特征，使求得的光流场更接近真实形变场，提升了配准精度。实验结果表明，所提算法能够更有效地解决形变医学图像配准问题，其配准精度优于Demons算法、尺度不变特征变换(SIFT) Flow算法以及医学图像专业配准软件Elastix。

来源：2020年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第6期