具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。

如上所述，传统拼接方案主要通过人工拼接，效率低下。

为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个，本公开的示例实施例提出了一种用于图像拼接的方案。在该方案中，计算设备获取待拼接的两个图像，并基于两个图像，经由经训练的特征提取网络，生成两个特征表示。计算设备基于两个特征表示，经由经训练的解码网络，生成指示两个图像能否拼接的第一置信度和两个图像之间的第一相对位置。如果计算设备基于第一置信度确定两个图像能够拼接，则基于第一相对位置，对两个图像进行拼接。以此方式，能够提高图像拼接的效率。

在下文中，将结合附图更详细地描述本方案的具体示例。

图1示出了根据本公开的实施例的信息处理环境100的示例的示意图。信息处理环境100可以包括计算设备110、待拼接的两个图像120-1和120-2（下文将图像统称为120）和拼接结果130。

计算设备110例如包括但不限于服务器计算机、多处理器系统、大型计算机、包括上述系统或设备中的任意一个的分布式计算环境等。在一些实施例中，计算设备110可以具有一个或多个处理单元，包括诸如图像处理单元GPU、现场可编程门阵列FPGA和专用集成电路ASIC等的专用处理单元以及诸如中央处理单元CPU的通用处理单元。

计算设备110用于获取待拼接的两个图像120；基于两个图像120，经由经训练的特征提取网络，生成两个特征表示；基于两个特征表示，经由经训练的解码网络，生成指示两个图像能否拼接的第一置信度和两个图像之间的第一相对位置；以及如果基于第一置信度确定两个图像能够拼接，则基于第一相对位置，对两个图像进行拼接。最终得到拼接结果130。

由此，能够提高图像拼接的效率。

图2示出了根据本公开的实施例的用于图像拼接的方法200的流程图。例如，方法200可以由如图1所示的计算设备110来执行。应当理解的是，方法200还可以包括未示出的附加框和/或可以省略所示出的框，本公开的范围在此方面不受限制。

在框202处，计算设备110获取待拼接的两个图像120。

在一些实施例中，两个图像均为X光图像。

在框204处，计算设备110基于两个图像120，经由经训练的特征提取网络，生成两个特征表示。

例如，经由经训练的特征提取网络分别对两个图像进行处理，以生成两个特征表示。例如，可以利用相同的经训练的特征提取网络对两个图像进行并行处理，以生成两个特征表示，或者利用相同的经训练的特征提取网络先后对两个图像进行处理，生成两个特征表示，或者经训练的特征提取网络包括两个相同特征提取子网络，分别用于对两个图像进行处理，以分别输出两个特征表示。

图3示出了根据本公开的实施例的神经网络300的示意框图。如图3所示，两个图像310-1和310-2分别输入到特征提取网络320中包括的两个相同特征提取网络321和322，并分别输出两个特征表示。

在一些实施例中，特征提取网络可以包括深度残差网络（Deep residualnetwork, ResNet），例如包括但不限于resnet50、res2net50、res2net50_v1b、res2next、res2net101_v1b。

所生成的每个特征表示可以包括例如具有多个通道的特征图，例如具有1024个通道的7*7特征图。

回到图2，在框206处，计算设备110基于两个特征表示，经由经训练的解码网络，生成指示两个图像能否拼接的第一置信度和两个图像之间的第一相对位置。

第一置信度可以为预定范围内的值。预定范围例如包括但不限于0-1。如果第一置信度大于预定置信度（例如，0.6、0.7、0.8等），则可以确定两个图像能够拼接，否则可以确定两个图像不能够拼接。

第一相对位置例如包括两个图像之间的偏移，例如两个图像的左上角之间的偏移（x，y）。

参照图3，两个特征表示可以输入到解码网络330，并输出第一置信度340和第一相对位置350。

回到图2，在框208处，计算设备110基于第一置信度确定两个图像是否能够拼接。

如果在框208处计算设备110基于第一置信度确定两个图像能够拼接，则在框210处基于第一相对位置，对两个图像进行拼接。

由此，能够利用特征提取网络和解码网络确定待拼接的两个图像能否拼接的置信度和相对位置，并在置信度指示能够拼接的情况下，基于相对位置对两个图像进行拼接，相比于人工拼接，提高了图像拼接的效率。此外，还能够降低医院的成本。

图4示出了根据本公开的实施例的用于生成指示两个图像能否拼接的第一置信度和两个图像之间的第一相对位置的方法400的流程图。例如，方法400可以由如图1所示的计算设备110来执行。应当理解的是，方法400还可以包括未示出的附加框和/或可以省略所示出的框，本公开的范围在此方面不受限制。

在框402处，计算设备110将两个特征表示按照通道进行相加，以生成经相加的特征表示。

例如，两个特征表示均为具有1024通道的7*7特征图，则按照通道相加后，经相加的特征表示为具有1024通道的7*7特征图。应当理解，这里的通道数和特征图大小仅是举例说明，本公开的范围在此不受限制。

在框404处，计算设备110基于经相加的特征表示，经由多个卷积层和降采样层，生成中间特征表示。

例如，可以经过1*1卷积层将具有1024通道的7*7特征图降维到具有512个通道的7*7特征图，再经由3*3卷积层，降维到具有256个通道的7*7特征图，再经由最大池化（maxpool）层，生成具有256个通道的3*3特征图。应当理解，这只是举例说明。

在框406处，计算设备110基于中间特征表示，经由第一分支神经网络，生成指示两个图像能否拼接的第一置信度。

例如，第一分支神经网络可以包括1*1卷积层、3*3卷积层、最大池化层、1*1卷积层和激活层。具有256个通道的3*3特征图经过1*1卷积层，生成具有256个通道的3*3特征图，再经过3*3卷积层，生成具有256个通道的3*3特征图，再经过最大池化层，生成具有256个通道的1*1特征图，再经过1*1卷积层，生成具有1个通道的1*1特征图，最后经过sigmoid激活层，输出指示两个图像能否拼接的第一置信度。

在框408处，计算设备110基于中间特征表示，经由第二分支神经网络，生成两个图像之间的第一相对位置。

例如，第二分支神经网络可以包括1*1卷积层、3*3卷积层、最大池化层和1*1卷积层。具有256个通道的3*3特征图经过1*1卷积层，生成具有256个通道的3*3特征图，再经过3*3卷积层，生成具有256个通道的3*3特征图，再经过最大池化层，生成具有256个通道的1*1特征图，再经过1*1卷积层，生成具有2个通道的1*1特征图，作为两个图像之间的第一相对位置。

应当理解，虽然图4中示出了先执行框406再执行框408，但是这只是举例说明，也可以先执行框408再执行框406，或者并行执行框406和框408。

由此，能够将两个特征表示按照通道相加后降维到中间特征表示，再分两支神经网络进行处理，以确定第一置信度和第一相对位置。

图5示出了根据本公开的实施例的用于训练特征提取网络和解码网络的方法500的流程图。例如，方法500可以由如图1所示的计算设备110来执行。应当理解的是，方法500还可以包括未示出的附加框和/或可以省略所示出的框，本公开的范围在此方面不受限制。

在框502处，计算设备110获取经拼接的多个图像。

在一些实施例中，经拼接的多个图像包括经拼接的多个X光图像，例如多个拼接后的全长X光片。

在一些实施例中，计算设备110可以获取经拼接的多个初始X光图像。多个初始X光图像可以涉及多种不同的X光样例，例如年龄、体型、疾病等。随后，计算设备110可以对多个初始X光图像进行一种或多种预处理，以生成经拼接的多个X光图像。一种或多种预处理包括拉伸、旋转、镜像、调节对比度和曝光度等。由此，能够增加用于训练的图像数量。

在框504处，计算设备110对于多个图像中的每个图像，从图像中确定子图像对集和与子图像对集相关联的相对位置集，子图像对集中的每个子图像对之间存在重合部分。

例如，如图7所示，子图像对集中的每个子图像对中的第一子图像720可以在第二子图像710的下方。第一子图像720在横向与图像710可以重合70%-90%并在纵向与图像710可以至少重合10%。从每个图像确定的子图像对集中可以包括一个或多个子图像对。

第一子图像720和第二子图像730在横向可以至少重合80%并在纵向可以重合10%-80%。由此，实现第一子图像和第二子图像之间较好的重合度。

在框506处，计算设备110以多个子图像对集作为样本并以多个相对位置集和预定置信度作为标签，训练特征提取网络和解码网络，以生成经训练的特征提取网络和经训练的解码网络。

具体来说，对于多个子图像对集中的每个子图像对集中的每个子图像对，计算设备110可以基于子图像对，经由特征提取网络和解码网络，生成指示子图像对能否拼接的第二置信度和子图像对之间的第二相对位置。

计算设备110可以基于第一预定损失函数（例如，交叉熵损失BCELoss），生成预定置信度和第二置信度之间的第一误差，以及基于第一误差，对第一分支神经网络进行反向传播，以更新第一分支神经网络和生成第一中间误差。应当理解，这里的第一中间误差指的是第一误差经过第一分支神经网络反向传播后得到的误差。预定置信度例如可以为1，用于指示两个图像能够拼接。应当理解，这只是举例说明，预定置信度也可以采用其他值，本公开的范围在此不受限制。

计算设备110可以基于第二预定损失函数（例如，平滑L1损失SmoothL1Loss），生成与子图像对相关联的相对位置和第二相对位置之间的第二误差，以及基于第二误差，对第二分支神经网络进行反向传播，以更新第二分支神经网络和生成第二中间误差。应当理解，这里的第二中间误差指的是第二误差经过第二分支神经网络反向传播后得到的误差。

随后，计算设备110可以将第一中间误差和第二中间误差合并，以生成第三中间误差，以及基于第三中间误差，对多个卷积层和降采样层以及特征提取网络进行反向传播，以更新多个卷积层和降采样层以及特征提取网络。

由此，通过分别与置信度和相对位置关联的两个误差，分别通过两个分支神经网络反向传播后合并，再通过多个卷积层和降采样层以及特征提取网络进行反向传播，能够实现特征提取网络和解码网络的训练。

多个子图像对集可以认为是正样本。在一些实施例中，计算设备110还可以获取多个负样本，例如不能拼接的两个图像。随后，计算设备110基于所获取的多个负样本、另一预定置信度（例如0，用于指示两个图像不能拼接）以及预定相对位置，例如(0，0)，训练特征提取网络和解码网络。应当理解，这里的值只是举例说明，另一预定置信度和预定相对位置也可以采用其他值，本公开的范围在此不受限制。由此，进一步提高特征提取网络和解码网络输出的置信度和相对位置的准确性。

由此，能够通过从经拼接的图像中获取重合的两个子图像来训练特征提取网络和解码网络，提高特征提取网络和解码网络输出的置信度和相对位置的准确性。

图6示出了根据本公开的实施例的用于对两个图像进行拼接的方法600的流程图。例如，方法600可以由如图1所示的计算设备110来执行。应当理解的是，方法600还可以包括未示出的附加框和/或可以省略所示出的框，本公开的范围在此方面不受限制。

在框602处，计算设备110对于两个图像中的每个图像，基于相对位置，获取图像中与两个图像中的另一个图像重合的重合部分。

例如，两个图像的相对位置（位置偏移）为（x，y），也就是位于下方的第二图像820的左上角距离位于上方的第一图像810的左上角在横向上相差y，在纵向上相差x。对于位于上方的第一图像810而言，其与第二图像820重合的重合部分为第一图像810中从第x行到最后一行以及从第y列到最后一列围成的区域（例如n行，m列）。对于位于下方的第二图像而言，其与第一图像重合的重合部分为第二图像中从第1行到第n行以及从第1列到第m列围成的区域。

在框604处，计算设备110基于两个重合部分，生成像素差值图。

具体来说，计算设备110可以将两个重合部分中的对应像素的像素值相减后取绝对值，以生成像素差值图。

在一些实施例中，在生成像素差值图之前，还可以对两个重合部分进行平滑处理，例如高斯模糊。

在框606处，计算设备110基于像素差值图，确定两个图像之间的拼接位置。

例如，可以将像素差值图中像素差值之和最小的一行作为拼接位置。

在一些实施例中，对于像素差值图中包括的多行中的每一行，计算设备110可以基于位于该行的多个像素差值，生成该行的第一值。

例如将位于该行的多个像素差值相加，以生成该行的第一值。

随后，对于像素差值图中包括的多行中的每一行，计算设备110可以基于该行的第一值和该行上下预定数量的行的第一值，生成该行的第二值。

预定数量例如包括但不限于2、4、5、6等。例如将该行的第一值与该行上侧5行和下侧5行的10个第一值相加，生成该行的第二值。对于例如前5行和后5行而言，上述情况可能不适用，或者可以在前5行之前再填充5行，以及在后5行之后再填充5行，再实现上述过程。

接着，计算设备110可以从像素差值图中包括的多行中确定第二值最小的行，作为两个图像之间的拼接位置。

由此，能够找到两个图像之间像素差别最小的拼接位置。

在框608处，计算设备110基于拼接位置，对两个图像进行拼接。

例如，可以将拼接位置上方的像素值设置为上侧图像的像素值，将拼接位置下方的像素值设置为下侧图像的像素值。

由此，能够基于两个图像的重合部分之间的像素差值，确定拼接位置进行拼接。

在一些实施例中，计算设备110可以基于拼接位置和预定融合宽度，确定两个图像之间的融合区域。预定融合宽度例如包括但不限于20行、30行像素。

对于融合区域内的每一行，计算设备110可以基于该行在融合区域中的位置，确定用于两个图像中的第一图像的第一透明度和用于两个图像中的第二图像的第二透明度。

例如，如图8所示，第一图像810位于上方，第二图像820位于下方，如果融合区域包括n行，该行例如为第i行，则第二透明度为i/n*100%透明度，第一透明度为1-i/n*100%透明度。

计算设备110可以基于第一透明度，对第一图像中与该行相对应的像素值序列进行处理，以生成第一像素值序列。例如，如图8所示，该行830位于拼接位置840上侧，相距j行，拼接位置840对应于第一图像810中的第a+x行和第二图像820中的第a行，则该行830对应于第一图像810中的第a+x-j行，将第一透明度与第一图像810中第a+x-j行的像素值序列相乘，以生成第一像素值序列。

计算设备110可以基于第二透明度，对第二图像中与该行相对应的像素值序列进行处理，以生成第二像素值序列。

如图8所示，该行830对应于第二图像820中的第a-j行，将第二透明度与第二图像820中第a-j行的像素值序列相乘，以生成第二像素值序列。

随后，计算设备110可以基于第一像素值序列和第二像素值序列，生成该行中的像素值序列。

例如，将第一像素值序列和第二像素值序列对应相加，以生成该行中的像素值序列。

由此，使得融合区域内越靠近哪张图哪张图占有的像素比例越大，从而能够实现两个图像的平滑融合。

图9示出了可以用来实施本公开内容的实施例的示例设备900的示意性框图。例如，如图1所示的计算设备110可以由设备900来实施。如图所示，设备900包括中央处理单元（CPU）901，其可以根据存储在只读存储器（ROM）902中的计算机程序指令或者从存储单元908加载到随机存取存储器（RAM）903中的计算机程序指令，来执行各种适当的动作和处理。在随机存取存储器903中，还可存储设备900操作所需的各种程序和数据。中央处理单元901、只读存储器902以及随机存取存储器903通过总线904彼此相连。输入/输出（I/O）接口905也连接至总线904。

设备900中的多个部件连接至输入/输出接口905，包括：输入单元906，例如键盘、鼠标、麦克风等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

上文所描述的各个过程和处理，例如方法200、400-600，可由中央处理单元901执行。例如，在一些实施例中，方法200、400-600可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由只读存储器902和/或通信单元909而被载入和/或安装到设备800上。当计算机程序被加载到随机存取存储器903并由中央处理单元901执行时，可以执行上文描述的方法200、400-600的一个或多个动作。

本公开涉及方法、装置、系统、计算设备、计算机可读存储介质和/或计算机程序产品。计算机程序产品可以包括用于执行本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、静态随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD-ROM）、数字多功能盘（DVD）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构（ISA）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（FPGA）或可编程逻辑阵列（PLA），该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。