一种基于稠密残差网络的IVUS图像超分辨率重建方法技术

本发明专利技术公开了一种基于稠密残差网络的IVUS图像超分辨率重建方法，针对传统稠密残差网络参数量与计算量巨大的性能缺陷，以及稠密残差模块对于图像特征提取不充分问题，使用权重归一化对模型权重参数进行归一化修正，加速模型收敛。使用多种卷积核，增强模型对于图像特征特征的提取效果并较少模型参数量。并加入全局特征复用模块，使图像信息多次重复利用，充分提取图像信息。本发明专利技术使得原有IVUS医学图像特征仅由稠密残差模块采集提取，改进为由全局特征复用模块和稠密残差模块共同决定，使得模型对于训练医学图像特征提取更为全面。并引入权重归一化，加速模型收敛，从而能够有效提升稠密残差网络对于图像超分辨率重建的效果以及模型计算的效率。

【技术实现步骤摘要】
一种基于稠密残差网络的IVUS图像超分辨率重建方法
本专利技术涉及计算机视觉和图像超分辨率重建
，特别涉及一种基于稠密残差网络(ResidualDenseNetwork，RDN)的超分辨率重建方法。
技术介绍
随着科学与技术的持续发展，高清显示设备在日常生活中普及开来，人类对于图像清晰度的需求也随着提高。在数字图像中，清晰与否的决定因素是分辨率，其代表着图像所含信息量，分辨率越高，图像视觉信息越丰富。由于硬件设备和现有成像技术受到诸多退化因素的干扰,导致所得图像分辨率较低或内容缺损,而图像超分辨率处理以其直观、方便、廉价、快捷等优点受到研究者的青睐。超分辨率重建技术在医学诊疗领域应用广泛并且取得了良好效果。其在在公共安防、、卫星遥感、视频感知等领域都有着广泛的应用范围和重要的研究意义。医学图像超分辨率旨在针对低分辨率图像,构造其对应的高分辨率图像,增加像素数目及高频信息,使图像具有清晰的边缘及有序的纹理,以展示更多的图像细节。图像修复的研究目标为填补图像中丢失的信息或者还原模糊物体的纹理特征,使得修复之后的图像满足人类的视觉感知,本文档来自技高网...

【技术保护点】
1.一种基于稠密残差网络的超分辨率重建方法，其特征在于：该方法包括下述步骤，/n步骤1，使用IVUS血管内超声的超分辨率重建数据集，包括图像训练集和图像测试集；/n步骤2，将超分辨率重建数据集IVUS训练集内所有低分辨率图像I

【技术特征摘要】
1.一种基于稠密残差网络的超分辨率重建方法，其特征在于：该方法包括下述步骤，
步骤1，使用IVUS血管内超声的超分辨率重建数据集，包括图像训练集和图像测试集；
步骤2，将超分辨率重建数据集IVUS训练集内所有低分辨率图像ILR进行裁剪，化为48X48像素的低清图像块BLR，同时对相对应的高分辨率图像IHR进行相似的裁剪，化为96X96像素的高清图像块BHR；
步骤3，将裁剪后的低清图像块BLR依次读入网络模型中，由3X3卷积层对内提取特征信息并扩重特征图数量至32幅；
步骤4，将由上一步骤提取到的特征图输入到基于改进的稠密残差模块中进行深度特征提取；记输入到稠密残差模块的特征图为S1；
步骤5，重复步骤4操作7次，得到R2，R3......R8；将经过完整8个稠密残差模块特征提取的特征图R8输入像素洗牌模块；
步骤6，将特征图R1R2......R8输入全局特征复用模块
步骤7，对于以上步骤1-6中执行的所有卷积操作进行权重归一化；
步骤8，将HR1与HR2相加得到最终重建图像BSR，将BSR与BHR进行评价指标峰值信噪比评估，反向更新网络模型权重；
步骤9，重复步骤3至步骤8操作100次，得到训练好的超分辨率重建模型；
步骤10，将需要重建图像输入训练好的超分辨率重建模型，得到重建图像，作为重建的结果。


2.根据权利要求1所述的一种基于稠密残差网络的超分辨率重建方法，其特征在...

【专利技术属性】
技术研发人员：汪友生，满开亮，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11