【技术实现步骤摘要】
图像处理方法和装置
[0001]本专利技术涉及神经网络
,尤其是涉及一种图像处理方法和装置。
技术介绍
[0002]对于超声图像减噪,现有技术中已有比较多的研究。目前有些基于对抗生成模型(Generative Adversarial Networks,GAN)的算法能直接将含有伪影的图像进行处理并直接输出不含伪影的图片,但是这类对抗生成模型的算法不能定义处理区域,当对抗生成模型过度修补图像的暗影区域时将会使图像失真,伪影移除效果难控制。
技术实现思路
[0003]有鉴于此,本专利技术的目的在于提供图像处理方法和装置,以通过定义目标区域,对该目标区域的伪影、阴影等进行移除,提高伪影移除效果。
[0004]第一方面,本专利技术实施例提供了一种图像处理方法,方法包括:获取RGB频道的图像;对RGB频道的图像进行预处理,得到掩码频道的图像;将RGB频道的图像和掩码频道的图像输入预先训练完成的生成器的第一子模型中,输出粗糙修补图像;将粗糙修补图像输入生成器的第二子模型中,得到精细修补图像。
[00 ...
【技术保护点】
【技术特征摘要】
1.一种图像处理方法,其特征在于,所述方法包括:获取RGB频道的图像;对RGB频道的所述图像进行预处理,得到掩码频道的所述图像;将RGB频道的所述图像和掩码频道的所述图像输入预先训练完成的生成器的第一子模型中,输出粗糙修补图像;将所述粗糙修补图像输入所述生成器的第二子模型中,得到精细修补图像。2.根据权利要求1所述的方法,其特征在于,对RGB频道的所述图像进行预处理,得到掩码频道的所述图像的步骤,包括:去除RGB频道的所述图像的水印;对RGB频道的所述图像进行极坐标变换处理;对RGB频道的所述图像进行纵轴滚动处理;对RGB频道的所述图像进行残影移除处理;生成RGB频道的所述图像的随机掩码,并基于所述随机掩码确定掩码频道的所述图像。3.根据权利要求1所述的方法,其特征在于,将RGB频道的所述图像和掩码频道的所述图像输入预先训练完成的生成器的第一子模型中,输出粗糙修补图像的步骤,包括:将RGB频道的所述图像和掩码频道的所述图像输入预先训练完成的生成器的第一子模型中;所述第一子模型对RGB频道的所述图像和掩码频道的所述图像依次进行卷积处理、池化处理、系数卷积处理和反卷积处理,输出粗糙修补图像。4.根据权利要求1所述的方法,其特征在于,所述第二子模型包括第一特征提取网络和第二特征提取网络;将所述粗糙修补图像输入所述生成器的第二子模型中,得到精细修补图像的步骤,包括:将所述粗糙修补图像输入所述第一特征提取网络和所述第二特征提取网络中;所述第一特征提取网络基于预先设定的注意力机制,对...
【专利技术属性】
技术研发人员:何好,刘斌,邬伽林,
申请(专利权)人:深圳市赛禾医疗技术有限公司,
类型:发明
国别省市:
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。