An embodiment of the present invention provides a color reduction method and device for a color image. The method comprises the following steps: converting a color image to a gray image, adding a channel superposition to the gray image, obtaining a three channel image, and input the three channel images to a generator network to predict a color image. The invention realizes the effective restoration of the polarized image, thereby can better restore the real scene of the operation, and is beneficial to the accuracy and safety of the doctor's operation.
【技术实现步骤摘要】
偏色图像颜色还原方法及装置
本专利技术实施例涉及图像处理
,尤其涉及一种图像颜色还原方法及装置。
技术介绍
在激光手术中,输出功率较高的光源会使内窥镜的感光元件饱和,进而导致显示屏呈亮白一片。此时,医生处于盲视状态,无法判断治疗光纤在腔道内的位置和病灶反应,增加了手术风险。为了避免上述情况下可能存在的风险,一般在内窥镜镜头上添加滤光片以滤去强光。该方法可以避免显示屏呈亮白一片,但通过滤光片得到的内窥镜图像会产生严重的偏色,无法还原手术真实场景,会影响医生手术的精准度和安全度。
技术实现思路
本专利技术实施例提供一种偏色图像颜色还原方法及装置,用以解决现有技术中通过滤光片得到的内窥镜图像会产生严重的偏色,无法还原手术真实场景,会影响医生手术的精准度和安全度的问题。本专利技术实施例提供一种偏色图像颜色还原方法,包括:将偏色图像转换为灰度图像,并对所述灰度图像进行通道叠加处理,得到三通道图像;将所述三通道图像输入至生成器网络,得到预估彩色图像。本专利技术实施例提供一种偏色图像颜色还原装置,包括:三通道图像获取模块和预估彩色图像获取模块;所述三通道图像获取模块,用于将偏色图像转换为灰度图像,并对所述灰度图像进行通道叠加处理,得到三通道图像;所述预估彩色图像获取模块,用于将所述三通道图像输入至生成器网络,得到预估彩色图像。本专利技术实施例提供一种偏色图像颜色还原设备,包括:至少一个处理器;以及与所述处理器通信连接的至少一个存储器,其中:所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如上所述的方法。本专利技术实施例提供一种非暂态计算 ...
【技术保护点】
1.一种偏色图像颜色还原方法,其特征在于,包括:将偏色图像转换为灰度图像,并对所述灰度图像进行通道叠加处理,得到三通道图像;将所述三通道图像输入至生成器网络,得到预估彩色图像。
【技术特征摘要】
1.一种偏色图像颜色还原方法,其特征在于,包括:将偏色图像转换为灰度图像,并对所述灰度图像进行通道叠加处理,得到三通道图像;将所述三通道图像输入至生成器网络,得到预估彩色图像。2.根据权利要求1所述的方法,其特征在于,所述将所述三通道图像输入至生成器网络,得到预估彩色图像之前还包括:将若干真实彩色图像转换至YUV空间,对上采样卷积网络进行训练;根据残差神经网络及训练后的上采样卷积网络,得到生成器网络。3.根据权利要求2所述的方法,其特征在于,所述将若干真实彩色图像转换至YUV空间,对上采样卷积网络进行训练具体包括:将若干真实彩色图像转换至YUV空间,得到每一真实彩色图像对应的Y、U和V图像;将每一真实彩色图像对应的Y图像进行通道叠加处理,得到每一真实彩色图像对应的三通道图像;将所有真实彩色图像对应的三通道图像作为样本数据,所有真实彩色图像对应的U和V图像作为标签数据,对上采样卷积网络进行训练。4.根据权利要求2所述的方法,其特征在于,所述根据残差神经网络及训练后的上采样卷积网络,得到生成器网络之后还包括:将所有真实彩色图像和所述生成器网络生成的与每一真实彩色图像对应的预估彩色图像输入至判别器网络,进行对抗式学习以优化所述生成器网络的参数。5.根据权利要求4所述的方法,其特征在于,所述将所有真实彩色图像和所述生成器网络生成的与每一真实彩色图像对应的预估彩色图像输入至判别器网络,进行对抗式学习以优化所述生成器网络的参数具体包括:固定所述生成器网络的参数,将所有真实彩色图像和所述生成器网络初次生成的与每一真实彩色图像对应的预估彩色图像输入至判别器网络进行对抗式学习,得到所述判别器网络的第一优化参数;以所述第一优化参数为所述判别器网络的参数,固定所述判别器网络的参数,最小化所述生成器网络的损失函数,得到所述生成器网络的第二优化参数;以所述第二优化参数为所述生成器网络的参数,固定所述生成器网络的参数,将所有真实彩色图像和所述生成器网络在所述第二优化参数下生成的与每一真实彩色图像对应的预估彩色图像输入至所述判别器网络进行对抗式学习,得到所述判别器网络的新的第一优化参数;以所述新的第...
【专利技术属性】
技术研发人员:杨健,顾瑛,江慧鹏,艾丹妮,王涌天,
申请(专利权)人:北京理工大学,中国人民解放军总医院,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。