基于边缘特征的图像配准方法、装置、用户终端及介质

技术领域

本申请涉及红外热成像仪图像配准技术领域，特别涉及一种基于边缘特征的图像配准方法、装置、用户终端及介质。

背景技术

随着红外热成像技术的不断发展，红外热像仪在军事和民用等诸多领域获得了广泛应用，由于红外图像普遍存在边缘模糊、对比度低和噪声大等缺陷，红外图像的增强算法获得了广泛研究，进一步提升红外热成像技术的成像效果。

现有红外图像增强算法技术中，可见光图像与红外图像在自动配准时采用的是基于特征点匹配的方法，即分别提取可见光图像上的特征点及红外图像上的特征点，然后一一匹配。

申请人在使用时发现，由于红外图像的分辨率较低，提取准确的特征点比较困难，进而导致可见光图像与红外图像的配准效果比较差，精度低，影响后续可见光图像与红外图像的融合。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成本领域普通技术人员已知的现有技术的信息。

发明内容

鉴于以上技术问题中的至少一项，本申请提供一种基于边缘特征的图像配准方法、装置、用户终端及介质，解决了由于红外图像的分辨率较低，提取准确的特征点比较困难，进而导致可见光图像与红外图像的配准效果比较差，精度低，影响后续可见光图像与红外图像的融合问题。

本申请第一方面的实施例提供一种基于边缘特征的图像配准方法，应用于红外热像仪，红外热像仪包括红外热成像摄像头及可见光摄像头，包括：

获取目标物体的可见光图像及红外图像；

对可见光图像及红外图像进行初次配准，生成可见光初始配准图像；

基于可见光初始配准图像，生成可见光初始配准扩展图像；

对可见光初始配准扩展图像提取第一边缘特征；

对红外图像提取第二边缘特征；

基于第一边缘特征及第二边缘特征，确定配准位置坐标，并基于该配准位置坐标，完成可见光图像及红外图像的最终配准。

本申请具有如下技术效果：本图像配准方法在红外图像低分辨的情况下能提取较为准确的特征，从而实现红外图像与可见光图像精确配准，有效保证红外图像与可见光图像后续能顺利融合。

在一种实现方式中，对可见光图像及红外图像进行初次配准，生成可见光初始配准图像，包括：

获取可见光摄像头的可见光旋转矩阵及可见光平移矩阵；

获取红外热成像摄像头的红外旋转矩阵及红外平移矩阵；

根据可见光旋转矩阵及红外旋转矩阵，并基于第一公式，生成旋转映射矩阵；

根据可见光平移矩阵、红外平移矩阵及旋转映射矩阵，并基于第二公式，生成平移映射矩阵；

获取可见光摄像头的可见光内参矩阵、红外热成像摄像头的红外内参矩阵、红外图像的横、纵坐标；

根据旋转映射矩阵、平移映射矩阵、可见光内参矩阵、红外内参矩阵及红外图像的横、纵坐标，并基于第三公式，生成可见光图像的横、纵坐标；

根据可见光图像的横、纵坐标，生成可见光初始配准图像。

在一种实现方式中，根据可见光图像的横、纵坐标，生成可见光初始配准图像之后，包括：

获取可见光初始配准图像的左上角横、纵坐标、宽度值及高度值；

根据可见光初始配准图像的左上角横、纵坐标、宽度值、高度值及扩大值，生成可见光初始配准扩展图像。

在一种实现方式中，所述对所述可见光初始配准扩展图像提取第一边缘特征，还包括：

对所述可见光初始配准扩展图像灰度化，生成可见光初始配准扩展图像灰度图；

根据可见光初始配准扩展图像灰度图计算可见光X方向梯度值及可见光Y方向梯度值；

根据可见光X方向梯度值及可见光Y方向梯度值生成可见光边缘特征；

根据可见光边缘特征，并进行二值化及滤波处理，生成第一边缘特征。

在一种实现方式中，所述对红外图像提取第二边缘特征，还包括：

对所述红外图像灰度化，生成红外图像灰度图；

根据红外图像灰度图计算红外X方向梯度值及红外Y方向梯度值；

根据红外X方向梯度值及红外Y方向梯度值生成红外边缘特征；

根据红外边缘特征，并进行二值化及滤波处理，生成第二边缘特征。

在一种实现方式中，基于第一边缘特征及第二边缘特征，确定配准位置坐标，包括：

利用相关系数匹配法，匹配第一边缘特征及第二边缘特征；

选取第一边缘特征及第二边缘特征的匹配最大值的位置，确定配准位置坐标。

在一种实现方式中，利用相关系数匹配法，匹配第一边缘特征及第二边缘特征；选取第一边缘特征及第二边缘特征的匹配最大值的位置，确定配准位置坐标，还包括：

获取第二边缘特征的第二边缘特征原始值及第二边缘特征均值，并基于第四公式生成红外边缘特征关系参数；

获取第一边缘特征的第一边缘特征原始值及第一边缘特征均值，并给予第五公式生成可见光边缘特征关系参数；

根据红外边缘特征关系参数及可见光边缘特征关系参数，并基于第六公式生成多个相关系数匹配值；

选取相关系数匹配值中的匹配最大值，该匹配最大值对应的位置为配准位置坐标。

本申请第二方面的实施例提供一种基于边缘特征的图像配准装置，包括：

获取模块，用于获取目标物体的可见光图像及红外图像；

第一配准模块，用于对可见光图像及红外图像进行初次配准，生成可见光初始配准图像；

扩展模块，用于基于可见光初始配准图像，生成可见光初始配准扩展图像；

第一提取模块，用于对可见光初始配准扩展图像提取第一边缘特征；

第二提取模块，用于对红外图像提取第二边缘特征；

第二配准模块，用于基于第一边缘特征及第二边缘特征，确定配准位置坐标，并基于该配准位置坐标，完成可见光图像及红外图像的最终配准。

本申请第三方面的实施例提供一种用户终端，包括储存器及处理器，储存器储存有计算机程序，处理器执行计算机程序时实现本申请第一方面的实施例的图像配准方法的步骤。

本申请第四方面的实施例提供一种存储介质，其存储有计算机程序，计算机程序被处理器执行时实现本申请第一方面的实施例的图像配准方法的步骤。

下面结合附图与实施例，对本发明进一步说明。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是图像配准方法的原理图；

图2是图像配准方法的流程图；

图3是对可见光图像及红外图像进行初次配准生成可见光初始配准图像的流程图；

图4是基于可见光初始配准图像生成可见光初始配准扩展图像的流程图；

图5是对可见光初始配准扩展图像提取第一边缘特征的流程图；

图6是对红外图像提取第二边缘特征的流程图；

图7是最终配准的第一流程图；

图8是最终配准的第二流程图；

图9是图像配准装置的结构图；

图10是用户终端的结构图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似改进，因此本申请不受下面公开的具体实施例的限制。

在本申请的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。

在本申请的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本申请实施例中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请实施例中的具体含义。

另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践方面。

现有红外图像增强算法技术中，可见光图像与红外图像在自动配准时采用的是基于特征点匹配的方法，即分别提取可见光图像上的特征点及红外图像上的特征点，然后一一匹配。申请人在使用时发现，由于红外图像的分辨率较低，提取准确的特征点比较困难，进而导致可见光图像与红外图像的配准效果比较差，精度低，影响后续可见光图像与红外图像的融合。因此，申请人发明一种基于边缘特征的图像配准方法，用以提升可见光图像与红外图像的配准准确度及配准成功率。

如图1及图2所示，本申请第一方面的实施例提供一种基于边缘特征的图像配准方法，应用于红外热像仪，红外热像仪包括红外热成像摄像头及可见光摄像头，包括：

步骤100：获取目标物体的可见光图像及红外图像；

在步骤100中，通过可见光摄像头获取可见光图像，通过红外热成像摄像头获取红外图像。其中可见光摄像头的阵列尺寸为640*480，红外热成像摄像头的阵列尺寸为384*288。

步骤200：对可见光图像及红外图像进行初次配准，生成可见光初始配准图像；

在步骤200中，可见光图像及红外图像进行初次配准，使可见光图像映射到红外图像上，也就是将可见光图像的横纵坐标映射到红外图像的横纵坐标上，并生成可见光初始配准图像，为后续在可见光初始配准图像上提取第一边缘特征作预先准备。由于可见光摄像头与红外热成像摄像头并不是设置在红外热像仪的同一高度上，因此，可见光摄像头获取的可见光图像与红外热成像摄像头获取的红外图像虽然是同一时间对同一目标进行拍摄，但由于角度偏差导致两者存在一定差异，初次配准是为了减小可见光图像与红外图像之间的差异。

步骤300：基于可见光初始配准图像，生成可见光初始配准扩展图像；

在步骤300中，由于初次配准后的区域是根据可见光摄像头及红外热成像摄像头离线标定时的距离范围决定的，如果可见光摄像头及红外热成像摄像头的拍摄距离超出离线标定时的距离范围，会导致可见光图像与红外图像无法准确匹配，出现偏离，而偏离位置只会在初次配准区域附近。因此对可见光初始配准图像进行扩展后，再进行搜索匹配，寻找准确的配准位置。

步骤400：对可见光初始配准扩展图像提取第一边缘特征；

在步骤400中，为了最大程度减少第一边缘特征与第二边缘特征的亮度不一致，而导致较大的匹配误差，在提取第一边缘特征前，对可见光初始配准扩展图像进行灰度化，从而最大限度消除误差。此外，对所提取边缘特征二值化后，再进行中值滤波去噪，消除图像噪音干扰，生成第一边缘特征。中值滤波去噪为常见的图像处理步骤，在此不作详细赘述。

而图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。

步骤500：对红外图像提取第二边缘特征；

在步骤500中，为了最大程度减少第二边缘特征与第一边缘特征的亮度不一致，而导致较大的匹配误差，在提取第二边缘特征前，对红外图像进行灰度化，从而最大限度消除误差。此外，对红外图像所提取边缘特征二值化后，再进行中值滤波去噪，消除图像噪音干扰，生成第二边缘特征。中值滤波去噪为常见的图像处理步骤，在此不作详细赘述。

步骤600：基于第一边缘特征及第二边缘特征，确定配准位置坐标，并基于该配准位置坐标，完成可见光图像及红外图像的最终配准。

在步骤600中，基于提取到的第一边缘特征及第二边缘特征，快速将第一边缘特征及第二边缘特征进行匹配，寻找出两者的匹配最大值，并将该匹配最大值的位置定为最终的配准位置。

本图像配准方法在红外图像低分辨的情况下能提取较为准确的特征，从而实现红外图像与可见光图像精确配准，有效保证红外图像与可见光图像后续能顺利融合。

图3所示，对可见光图像及红外图像进行初次配准，生成可见光初始配准图像，包括：

步骤210：获取可见光摄像头的可见光旋转矩阵及可见光平移矩阵；

在步骤210中，可见光旋转矩阵及可见光平移矩阵均是由可见光摄像头与红外摄像头标定计算得出的。

步骤220：获取红外热成像摄像头的红外旋转矩阵及红外平移矩阵；

在步骤220中，红外旋转矩阵及红外平移矩阵均是由红外热成像摄像头与可见光摄像头标定计算得出的。

步骤230：根据可见光旋转矩阵及红外旋转矩阵，并基于第一公式，生成旋转映射矩阵；

在步骤230中，第一公式为：R＝vi_R×ir_R

其中，R为旋转映射矩阵，vi_R为可见光旋转矩阵，ir_R为红外旋转矩阵。

步骤240：根据可见光平移矩阵、红外平移矩阵及旋转映射矩阵，并基于第二公式，生成平移映射矩阵；

在步骤240中，第二公式为：T＝vi_T-R×ir_T

其中，T为平移映射矩阵，R为旋转映射矩阵，vi_T为可见光平移矩阵，ir_R为红外平移矩阵。

步骤250：获取可见光摄像头的可见光内参矩阵、红外热成像摄像头的红外内参矩阵、红外图像的横、纵坐标；

在步骤250中，可见光内参矩阵以及红外内参矩阵均是由红外热成像摄像头与可见光摄像头标定计算得出的。

步骤260：根据旋转映射矩阵、平移映射矩阵、可见光内参矩阵、红外内参矩阵及红外图像的横、纵坐标，并基于第三公式，生成可见光图像的横、纵坐标；

在步骤260中，第三公式为：

其中，vi_u为可见光图像的横坐标，vi_v可见光图像的纵坐标，vi_K为可见光内参矩阵，R为旋转映射矩阵，T为平移映射矩阵，ir_u为红外图像的横坐标，ir_v为红外图像的纵坐标，ir_K为红外内参矩阵。

步骤270：根据可见光图像的横、纵坐标，生成可见光初始配准图像。

在步骤270中，可见光初始配准图像的具体生成过程由第一关系式至第四关系式，如下：

第一关系式：

vi_mappingX＝min(vi_u)

其中，vi_mappingX为可见光初始配准图像左上角的横坐标，vi_u为可见光图像的横坐标，min(vi_u)为可见光图像的横坐标的最小值。

第二关系式：

vi_mappingY＝min(vi_v)

其中，vi_mappingY为可见光初始配准图像左上角的纵坐标，vi_v为可见光图像的纵坐标，min(vi_v)为可见光图像的纵坐标的最小值。

第三关系式：

vi_mappingW＝max(vi_u)-vi_mappingX

其中，vi_mappingW为可见光初始配准图像的宽度，max(vi_u)为可见光图像的横坐标的最大值，vi_mappingX为可见光初始配准图像左上角的横坐标。

第四关系式：

vi_mappingH＝max(vi_v)-vi_mappingY

其中，vi_mappingH为可见光初始配准图像的高度，max(vi_v)为可见光图像的纵坐标的最大值，vi_mappingY为可见光初始配准图像左上角的纵坐标。

通过计算出的vi_mappingX为可见光初始配准图像左上角的横坐标、vi_mappingY为可见光初始配准图像左上角的纵坐标、vi_mappingW为可见光初始配准图像的宽度、vi_mappingH为可见光初始配准图像的高度共同形成可见光初始配准图像。

图4所示，根据可见光图像的横、纵坐标，生成可见光初始配准图像之后，包括：

步骤310：获取可见光初始配准图像的左上角横、纵坐标、宽度值及高度值；

步骤320：根据可见光初始配准图像的左上角横、纵坐标、宽度值、高度值及扩大值，生成可见光初始配准扩展图像。

在步骤320中，该扩大值为固定值，且被预先设置在红外热像仪中。根据可见光初始配准图像的横、纵坐标、宽度值、高度值及扩大值，并利用第五关系式，生成可见光初始配准扩展图像。

第五关系式为：

vi_expand＝(vi_mappingX-d,vi_mappingY-d,vi_mappingW+2*d,vi_mappingH+2*d)其中，vi_expand为可见光初始配准扩展图像，vi_mappingX为可见光初始配准图像左上角的横坐标，vi_mappingY为可见光初始配准图像左上角的纵坐标，vi_mappingH为可见光初始配准图像的高度，vi_mappingW为可见光初始配准图像的宽度，d为扩大值。

图5所示，对可见光初始配准扩展图像提取第一边缘特征，还包括：

步骤410：对可见光初始配准扩展图像灰度化，生成可见光初始配准扩展图像灰度图；

步骤420：根据可见光初始配准扩展图像灰度图计算可见光X方向梯度值及可见光Y方向梯度值；

在步骤420中，根据可见光初始配准扩展图像灰度图、第六关系式及第七关系式，计算可见光X方向梯度值及可见光Y方向梯度值。第六关系式为：

其中，vi_exG

第七关系式：

其中，vi_exG

步骤430：根据可见光X方向梯度值及可见光Y方向梯度值生成可见光边缘特征。

在步骤430中，根据可见光X方向梯度值及可见光Y方向梯度值，并利用第八关系式，生成可见光边缘特征。第八关系式为：

vi_exG＝|vi_exG

其中，vi_exG

步骤440：根据可见光边缘特征，并进行二值化及滤波处理，生成第一边缘特征。

图6所示，对红外图像提取第二边缘特征，还包括：

步骤510：对红外图像灰度化，生成红外图像灰度图；

步骤520：根据红外图像灰度图计算红外X方向梯度值及红外Y方向梯度值；

在步骤520中，根据红外图像灰度图、第九关系式及第十关系式，计算红外X方向梯度值及红外Y方向梯度值。第九关系式为：

其中，ir_exG

第十关系式为：

其中，ir_exG

步骤530:根据红外X方向梯度值及红外Y方向梯度值生成红外边缘特征。

在步骤530中，根据红外X方向梯度值及红外Y方向梯度值，并利用第十一关系式，生成第二边缘特征。第十一关系式为：

ir_exG＝|ir_exG

其中，ir_exG

步骤540:根据红外边缘特征，并进行二值化和滤波处理，生成第二边缘特征。

图7所示，基于第一边缘特征及第二边缘特征，确定配准位置坐标，包括：

步骤610：利用相关系数匹配法，匹配第一边缘特征及第二边缘特征；

步骤620：选取第一边缘特征及第二边缘特征的匹配最大值的位置，确定配准位置坐标。

图8所示，利用相关系数匹配法，匹配第一边缘特征及第二边缘特征；选取第一边缘特征及第二边缘特征的匹配最大值的位置，确定配准位置坐标，还包括：

步骤611：获取第二边缘特征的第二边缘特征原始值及第二边缘特征均值，并基于第四公式生成红外边缘特征关系参数；

在步骤611中，第四公式为：

其中，ir_G为第二边缘特征原始值，

步骤612：获取第一边缘特征的第一边缘特征原始值及第一边缘特征均值，并给予第五公式生成可见光边缘特征关系参数；

在步骤612中，第五公式为：

其中，vi_exG为第一边缘特征原始值，

步骤613：根据红外边缘特征关系参数及可见光边缘特征关系参数，并基于第六公式生成多个相关系数匹配值；

在步骤613中，第六公式为：

R(x,y)＝∑(ir_G'(x',y')*vi_exG'(x+x',y+y'))

其中，ir_G'(x',y')为红外边缘特征关系参数，vi_exG'(x+x',y+y')为可见光边缘特征关系参数，R(x,y)为相关系数匹配值。

步骤614：选取相关系数匹配值中的匹配最大值，该匹配最大值对应的位置为配准位置坐标。

如图9所示，本申请第二方面的实施例提供一种基于边缘特征的图像配准装置，包括：

获取模块S100，用于获取目标物体的可见光图像及红外图像；

第一配准模块S200，用于对可见光图像及红外图像进行初次配准，生成可见光初始配准图像；

扩展模块S300，用于基于可见光初始配准图像，生成可见光初始配准扩展图像；

第一提取模块S400，用于对可见光初始配准扩展图像提取第一边缘特征；

第二提取模块S500，用于对红外图像提取第二边缘特征；

第二配准模块S600，用于基于第一边缘特征及第二边缘特征，确定配准位置坐标，并基于该配准位置坐标，完成可见光图像及红外图像的最终配准。

如图10所示，本申请第三方面的实施例提供一种用户终端，包括储存器及处理器，储存器储存有计算机程序，处理器执行计算机程序时实现本申请第一方面的实施例的图像配准方法的步骤。

本申请第三个方面的实施例的用户终端，可以参照根据本申请第一方面实施例具体描述的内容实现，并具有与根据本申请第一方面实施例的图像配准方法具有类似的有益效果，在此不再赘述。

用户终端10可作为通用计算设备的形式实现。用户终端10的组件可以包括但不限于：一个或者多个处理器或者处理单元11，系统存储器12，连接不同系统组件(包括系统存储器12和处理单元11)的总线13。

总线13表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(IndustryStandardArchitecture；以下简称：ISA)总线，微通道体系结构(Micro ChannelArchitecture；以下简称：MAC)总线，增强型ISA总线、视频电子标准协会(VideoElectronics StandardsAssociation；以下简称：VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection；以下简称：PCI)总线。

用户终端10典型地包括多种计算机系统可读介质。这些介质可以是任何能够被用户终端10访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储器12可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory；以下简称：RAM)14和/或高速缓存15存储器。用户终端10可以进一步包括其它可移动/不可移动的、易失性/非易失性的计算机可读存储介质。仅作为举例，存储系统16可以用于读写不可移动的、非易失性磁介质(图中未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(Compact Disc ReadOnlyMemory；以下简称：CD-ROM)、数字多功能只读光盘(Digital Video Disc ReadOnlyMemory；以下简称：DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线13相连。存储器可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本公开各实施例的功能。

具有一组(至少一个)程序模块17的程序/实用工具18，可以存储在例如存储器中，这样的程序模块17包括但不限于操作系统、一个或者多个应用程序、其它程序模块17以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块17通常执行本公开所描述的实施例中的功能和/或方法。

用户终端10也可以与一个或多个外部设备19(例如键盘、指向设备、显示器20等)通信，还可与一个或者多个使得用户能与该计算机系统/服务器交互的设备通信，和/或与使得该计算机系统/服务器能与一个或多个其它用户终端10进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口21进行。并且，用户终端10还可以通过网络适配器22与一个或者多个网络(例如局域网(Local Area Network；以下简称：LAN)，广域网(Wide Area Network；以下简称：WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器22通过总线13与用户终端10的其它模块通信。要说明的是，尽管图中未示出，可以结合用户终端10使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元11、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统16等。

处理单元11通过运行存储在系统存储器12中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的方法。

本申请实施例的用户终端10可以是服务器，也可以有限算力的终端设备。

本申请第四方面的实施例提供一种存储介质，其存储有计算机程序，计算机程序被处理器执行时实现本申请第一方面的实施例的图像配准方法的步骤。

一般来说，用于实现本发明方法的计算机指令的可以采用一个或多个计算机可读的存储介质的任意组合来承载。非临时性计算机可读存储介质可以包括任何计算机可读介质，除了临时性地传播中的信号本身。

计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM14)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言，特别是可以使用适于神经网络计算的Python语言和基于TensorFlow、PyTorch等平台框架。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

以上，仅是本申请的较佳实施例而已，并非对本申请作任何形式上的限制。任何熟悉本领域的技术人员，在不脱离本申请技术方案范围情况下，都可利用上述揭示的方法和技术内容对本申请技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。故凡是未脱离本申请技术方案的内容，依据本申请之形状、构造及原理所作的等效变化，均应涵盖于本申请的保护范围内。