1.一种基于关键点匹配网络的眼底图像配准方法,其特征在于,所述方法包括:获取样本眼底图像,所述样本眼底图像包括n个图像对,每个图像对包括固定图像和浮动图像,n为大于2的整数;
将所述样本眼底图像输入至刚性配准网络,得到刚性变换矩阵;
根据所述刚性变换矩阵对所述固定图像中的关键点坐标做刚性变换,得到变换后的关键点坐标;
采用空间变换层根据变换得到的所述关键点坐标生成所述浮动图像配准后的刚性配准眼底图像;
根据所述所述样本眼底图像和所述刚性配准眼底图像训练所述刚性配准网络,得到训练后的刚性配准网络,训练后的所述刚性配准网络用于对眼底图像进行初步配准;
根据所述刚性配准眼底图像和所述样本眼底图像训练所述仿射配准网络,得到训练后的仿射配准网络,训练后的所述仿射配准网络用于对眼底图像进行精细配准。
2.根据权利要求1所述的方法,其特征在于,所述将所述样本眼底图像输入至刚性配准网络,得到刚性变换矩阵,包括:将所述样本眼底图像输入至刚性配准网络,得到包括变换参数的所述刚性变换矩阵,所述变换参数包括绕中心(x0,y0)旋转的角度θ、横轴平移量tx以及纵轴平移量ty中的至少两种。
3.根据权利要求1所述的方法,其特征在于,所述根据所述刚性变换矩阵对所述固定图像中的关键点坐标做刚性变换,得到变换后的关键点坐标,包括:变换后的所述关键点坐标为:
其中, 为所述固定图像中的第j个关键点坐标, 为变换得到的第j个关键点坐标,j的最大值为关键点的个数,Tr为所述刚性变换矩阵。
4.根据权利要求1所述的方法,其特征在于,所述刚性配准网络的损失函数为:其中, 是浮动图像im上的第j个关键点坐标, 是所述配准图像中第j个关键点坐标,j的最大值为关键点的个数。
5.根据权利要求1至4任一所述的方法,其特征在于,所述根据所述刚性配准眼底图像和所述样本眼底图像训练所述仿射配准网络,得到训练后的仿射配准网络,包括:对于每个图像对,获取所述固定图像的掩膜Mf以及所述配准图像的掩膜MW;
根据所述固定图像的掩膜Mf和所述刚性配准图像确定所述固定图像和所述刚性配准图像的配准图像重叠部分Im;
根据所述刚性配准图像的掩膜MW和所述固定图像确定所述固定图像和所述刚性配准图像的固定图像重叠部分If;
根据所述Im和所述If训练所述仿射配准网络。
6.根据权利要求5所述的方法,其特征在于,所述根据所述Im和所述If训练仿射配准网络,包括:
将所述Im和所述If输入至所述仿射配准网络,得到仿射变换矩阵;
根据所述仿射变换矩阵对所述If中的关键点坐标进行仿射变换,得到变换后的关键点坐标;
采用空间变换层根据变换得到的所述关键点坐标生成所述If配准后的仿射配准图像;
根据所述If以及所述仿射配准图像训练所述仿射配准网络,得到训练后的仿射配准网络。
7.根据权利要求5所述的方法,其特征在于,所述根据所述固定图像的掩膜Mf和所述刚性配准图像确定所述固定图像和所述刚性配准图像的配准图像重叠部分Im,包括:所述 其中,iw为所述配准图像;
所述根据所述刚性配准图像的掩膜MW和所述固定图像确定所述固定图像和所述刚性配准图像的固定图像重叠部分If,包括:其中,if为所述固定图像。
8.一种基于关键点匹配网络的眼底图像配准方法,其特征在于,所述方法包括:获取目标固定眼底图像和目标浮动眼底图像;
将所述目标固定眼底图像和所述目标浮动眼底图像输入至训练后的刚性配准网络,得到刚性变换矩阵,训练后的所述刚性配准网络为通过如权利要求1至7任一所述的训练方法训练得到;
根据所述刚性变换矩阵对所述目标固定眼底图像中的关键点坐标做刚性变换,得到变换后的关键点坐标;
采用空间变换层根据变换得到的所述关键点坐标生成所述目标浮动眼底图像配准后的目标刚性配准眼底图像;
根据所述目标刚性配准眼底图像、所述目标浮动眼底图像以及训练后的所述仿射配准网络,得到配准后的目标仿射配准眼底图像,训练后的仿射配准网络为通过如权利要求1至
7任一所述的训练方法训练得到。
9.根据权利要求8所述的方法,其特征在于,所述根据所述目标刚性配准眼底图像、所述目标浮动眼底图像以及训练后的所述仿射配准网络,得到配准后的目标仿射配准眼底图像,包括:
获取所述目标固定眼底图像的掩膜Mf以及所述目标刚性配准眼底图像的掩膜MW;
根据所述目标固定眼底图像的掩膜Mf和所述目标刚性配准眼底图像确定所述目标固定眼底图像和所述目标刚性配准眼底图像的配准图像重叠部分Im;
根据所述目标刚性配准眼底图像的掩膜MW和所述目标固定眼底图像确定所述目标固定眼底图像和所述目标刚性配准眼底图像的固定图像重叠部分If;
将所述Im和所述If输入至训练后的仿射配准网络,得到仿射变换矩阵;
根据所述仿射变换矩阵对所述If中的关键点坐标进行仿射变换,得到变换后的关键点坐标;
采用空间变换层根据变换得到的所述关键点坐标生成所述If配准后的配准图像。