RegularStepGradientDescent
Регулярное строение оптимизатора градиентного спуска
Описание
A RegularStepGradientDescent объект описывает регулярное строение оптимизации градиентного спуска, которую вы передаете в функцию imregister для решения проблем регистрации изображений.
Создание
Можно создать RegularStepGradientDescent объект с использованием следующих методов:
imregconfig- ВозвращаетRegularStepGradientDescentобъект в паре с соответствующей метрикой для регистрации мономодальных изображенийВход
в командной строке создаетmetric = registration.optimizer.RegularStepGradientDescent;
RegularStepGradientDescentобъект с настройками по умолчанию
Свойства
Примеры
Зарегистрируйте изображения с помощью обычного оптимизатора градиентного спуска шага
Создайте RegularStepGradientDescent объект и использовать его для регистрации двух изображений с одинаковой яркостью и контрастностью.
Прочтите эталонное изображение и создайте незарегистрированную копию.
fixed = imread('pout.tif'); moving = imrotate(fixed, 5, 'bilinear', 'crop');
Просмотрите несовпадающие изображения.
figure imshowpair(fixed, moving,'Scaling','joint');
Создайте объект строения оптимизатора, подходящий для регистрации мономодальных изображений.
optimizer = registration.optimizer.RegularStepGradientDescent
optimizer =
registration.optimizer.RegularStepGradientDescent
Properties:
GradientMagnitudeTolerance: 1.000000e-04
MinimumStepLength: 1.000000e-05
MaximumStepLength: 6.250000e-02
MaximumIterations: 100
RelaxationFactor: 5.000000e-01
Создайте объект строения метрики.
metric = registration.metric.MeanSquares;
Измените строение оптимизатора, чтобы получить большую точность.
optimizer.MaximumIterations = 300; optimizer.MinimumStepLength = 5e-4;
Выполните регистрацию.
movingRegistered = imregister(moving,fixed,'rigid',optimizer,metric);Просмотр зарегистрированных изображений.
figure imshowpair(fixed, movingRegistered,'Scaling','joint');
Алгоритмы
Регулярная оптимизация градиентного спуска шага регулирует параметры преобразования так, чтобы оптимизация следовала градиенту метрики подобия изображения в направлении экстремы. Он использует шаги постоянной длины вдоль градиента между расчетами, пока градиент не изменит направление. На данной точке длина шага уменьшается на основе RelaxationFactor, что по умолчанию уменьшает длину шага вдвое.