RegularStepGradientDescent
Регулярная настройка оптимизатора градиентного спуска шага
Описание
RegularStepGradientDescent объект описывает регулярную настройку оптимизации градиентного спуска шага, которую вы передаете функции imregister решать регистрационные задачи изображений.
Создание
Можно создать RegularStepGradientDescent объект с помощью следующих методов:
imregconfig— ВозвращаетRegularStepGradientDescentобъект, соединенный с соответствующей метрикой для регистрации мономодальных изображенийВвод
на командной строке создаетmetric = registration.optimizer.RegularStepGradientDescent;
RegularStepGradientDescentобъект с настройками по умолчанию
Свойства
Примеры
Укажите изображения с регулярным оптимизатором градиентного спуска шага
Создайте RegularStepGradientDescent объект и использование это, чтобы указать два изображения с подобной яркостью и контрастом.
Считайте ссылочное изображение и создайте незарегистрированную копию.
fixed = imread('pout.tif'); moving = imrotate(fixed, 5, 'bilinear', 'crop');
Просмотрите неправильно выровненные изображения.
figure imshowpair(fixed, moving,'Scaling','joint');
Создайте объект настройки 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 метрический объект настройки.
metric = registration.metric.MeanSquares;
Измените настройку оптимизатора, чтобы получить больше точности.
optimizer.MaximumIterations = 300; optimizer.MinimumStepLength = 5e-4;
Выполните регистрацию.
movingRegistered = imregister(moving,fixed,'rigid',optimizer,metric);Просмотрите зарегистрированные изображения.
figure imshowpair(fixed, movingRegistered,'Scaling','joint');
Алгоритмы
Регулярная оптимизация градиентного спуска шага настраивает параметры преобразования так, чтобы оптимизация следовала за градиентом метрики подобия изображений в направлении экстремального значения. Это использует шаги постоянной длины вдоль градиента между расчетами, пока градиент не изменяет направление. На данном этапе длина шага уменьшается на основе RelaxationFactor, какие половины длина шага по умолчанию.