基于生成模型和自监督学习的多模态图像配准方法、设备及介质

本发明公开了一种基于生成模型和自监督学习的多模态图像配准方法、设备及介质，采用Pix2Pix‑Transformer生成模型对源图像进行模态转换，在图像配准过程中，通过DINO模型从源图像和目标图像中提取全局和局部特征，并基于这些特征对图像进行区域划分，对于每个区域，依据其特征强度和重要性进行加权分配，使得关键区域在配准过程中能够获得更高的权重和精度，背景区域则可以适当降低其权重。采用了区域自适应配准技术，对关键区域实施高精度非线性配准，对背景区域实施低精度线性配准，确保整体配准效率。该自适应加权配准方法有效提升了图像配准的整体精度和效率，特别在处理多模态图像时，能够显著减少模态差异所带来的配准困难。