偏色图像颜色还原方法及装置制造方法及图纸

本发明专利技术实施例提供一种偏色图像颜色还原方法及装置，该方法包括：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。本发明专利技术实现了偏色图像的有效还原，从而可以较好还原手术真实场景，有利于医生手术的精准度和安全度。

Color reduction method and device for color image

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机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如上所述的方法。本专利技术实施例提供的偏色图像颜色还原方法及装置，通过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，实现了偏色图像的有效还原，从而可以较好还原手术真实场景，有利于医生手术的精准度和安全度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术偏色图像颜色还原方法实施例流程图；图2为本专利技术判别器网络的结构示意图；图3为本专利技术生成器网络的结构示意图；图4为本专利技术偏色图像颜色还原装置实施例结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，本专利技术实施例提供一种偏色图像颜色还原方法，包括：101、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；102、将所述三通道图像输入至生成器网络，得到预估彩色图像。在本实施例中，为了方便处理，可将偏色图像裁剪至预设尺寸，例如224*224。偏色图像可以为通过滤光片得到的产生偏色的内窥镜图像。生成器网络的输入为体现亮度信息的三通道图像，因此将偏色图像转换为灰度图像，并进行通道叠加生成三通道图像。生成器网络主要用于提取图像的高级特征信息，并基于图像的高级特征信息建立图像的亮度信息和图像的颜色信息之间的对应关系，从而更加准确地进行图像的颜色复原。本专利技术实施例提供的偏色图像颜色还原方法，通过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，实现了偏色图像的有效还原，从而可以较好还原手术真实场景，有利于医生手术的精准度和安全度。作为一种可选实施例，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。在本实施例中，将真实彩色图像裁剪至与偏色图像相同尺寸：224*224。若干真实彩色图像为无偏色的正常图片。由于YUV空间下，图像的亮度信息和颜色信息是分开表示的。通过将若干真实彩色图像转换至YUV空间，可以将图像的亮度信息作为样本数据，将图像的颜色信息作为标签数据，对上采样卷积网络进行训练。残差神经网络主要用于提取图像的高级特征信息，上采样卷积神经网络用于基于图像的高级特征信息建立图像的亮度信息和图像的颜色信息之间的对应关系。作为一种可选实施例，所述将若干真实彩色图像转换至YUV空间，对上采样卷积神经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YUV图像和Y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，对上采样卷积神经网络进行训练。在本实施例中，为了使得生成器网络能够较好的体现图像的颜色信息和图像的亮度信息之间的对应关系，需要对生成器网络中的上采样卷积神经网络进行训练。由于无偏色的真实彩色图像中图像的亮度信息和图像的颜色信息的对应关系最为准确，因此，采用真实彩色图像对上采样卷积神经网络进行训练。在YUV空间下，Y图像代表了图像的亮度信息，即灰度图像。作为一种可选实施例，所述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。在本实施例中，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为将每一真实彩色图像对应的三通道图像输入生成器网络得到的。为了使得生成器网络生成的预估彩色图像的颜色还原效果更好，对生成器网络的参数进行优化。具体地，通过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，得到无偏色的真实彩色图像和生成的预估彩色图像之间的颜色差异以用于优化生成器网络的参数。判别器网络的结构可以如图2所示。判别器网络包含八个卷积层，八个卷积层后依次为全连接层、激活函数和全连接层。卷积核大小优选为3*3，优选采用LeakyRelu激活函数。随着网络深度的增加，卷积层的特征图数量从64增加到512。判别器网络还可以为其他结构，在此不做限定，可实现对生成器网络的参数优化即可。作为一种可选实施例，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，固定所述本文档来自技高网...

【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