图像处理方法和装置制造方法及图纸

本发明专利技术提供了一种图像处理方法和装置，涉及神经网络的技术领域。其中，该方法包括：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。通过对RGB频道的图像进行预处理，得到掩码频道的图像，将掩码频道的图像的掩码区域作为目标区域，通过生成器的第一子模型和第二子模型对掩码频道的图像进行修补，可以得到精细修补图像。该方式中，可以通过定义目标区域，对图像中该目标区域的伪影、阴影等进行移除，提高伪影移除效果。伪影移除效果。伪影移除效果。

【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。
[0005]本专利技术实施例提供的较佳实施例中，上述对RGB频道的图像进行预处理，得到掩码频道的图像的步骤，包括：去除RGB频道的图像的水印；对RGB频道的图像进行极坐标变换处理；对RGB频道的图像进行纵轴滚动处理；对RGB频道的图像进行残影移除处理；生成RGB频道的图像的随机掩码，并基于随机掩码确定掩码频道的图像。
[0006]本专利技术实施例提供的较佳实施例中，上述将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，输出粗糙修补图像的步骤，包括：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；第一子模型对RGB频道的图像和掩码频道的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。
[0007]本专利技术实施例提供的较佳实施例中，上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，得到精细修补图像的步骤，包括：将粗糙修补图像输入第一特征提取网络和第二特征提取网络中；第一特征提取网络基于预先设定的注意力机制，对粗糙修补图像依次进行卷积处理和池化处理，输出第一特征；第二特征提取网络对粗糙修补图像依次进行卷积处理、池化处理和系数卷积处理，输出第二特征；将第一特征和第二特征合并，得到精细修补图像。
[0008]本专利技术实施例提供的较佳实施例中，上述生成器的损失函数包括对抗损失函数、一致性损失函数和感知损失函数。
[0009]本专利技术实施例提供的较佳实施例中，上述生成器基于预先设定的特征选通机制进行卷积处理。
[0010]本专利技术实施例提供的较佳实施例中，上述方法还包括：将精细修补图像和掩码频
道的图像预先训练完成的判别器中；判别器对精细修补图像和掩码频道的图像进行多层卷积处理和池化处理，输出判别结果；基于判别结果训练生成器。
[0011]本专利技术实施例提供的较佳实施例中，上述方法还包括：基于预先设定的参数谱归一化机制更新判别器的卷积核参数。
[0012]本专利技术实施例提供的较佳实施例中，上述判别器的损失函数包括对抗损失函数。
[0013]第二方面，本专利技术实施例还提供一种图像处理装置，装置包括：图像获取模块，用于获取RGB频道的图像；图像预处理模块，用于对RGB频道的图像进行预处理，得到掩码频道的图像；第一子模型处理模块，用于将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；第二子模型处理模块，用于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。
[0014]本专利技术实施例带来了以下有益效果：
[0015]本专利技术实施例提供的一种图像处理方法和装置，通过对RGB频道的图像进行预处理，得到掩码频道的图像，将掩码频道的图像的掩码区域作为目标区域，通过生成器的第一子模型和第二子模型对掩码频道的图像进行修补，可以得到精细修补图像。该方式中，可以通过定义目标区域，对图像中该目标区域的伪影、阴影等进行移除，提高伪影移除效果。
[0016]本公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。
[0017]为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0018]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，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。
[0019]图1为本专利技术实施例提供的一种图像处理方法的流程图；
[0020]图2为本专利技术实施例提供的另一种图像处理方法的流程图；
[0021]图3为本专利技术实施例提供的一种图像处理模型的示意图；
[0022]图4为本专利技术实施例提供的一种图像处理装置的结构示意图；
[0023]图5为本专利技术实施例提供的另一种图像处理装置的结构示意图；
[0024]图6为本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0025]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术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做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。
[0026]目前，对于超声图像减噪，现有技术中已有比较多的研究。有些基于对抗生成模型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。
[0027]基于此，本专利技术实施例提供的一种图像处理方法和装置，可以通过定义目标区域对超声图像中的各种伪影、阴影等进行手动移除，对该目标区域的伪影、阴影等进行移除，提高伪影移除效果。
[0028]为便于对本实施例进行理解，首先对本专利技术实施例所公开的一种图像处理方法进行详细介绍。
[0029]实施例一：
[0030]本专利技术实施例提供一种图像处理方法，参见图1所示的一种图像处理方法的流程图，该图像处理方法包括如下步骤：
[0031]步骤S102，获取RGB频道的图像。
[0032]RGB频道是指红色(Red)、绿色(Green)、蓝色(Blue)三种颜色的频道，可以通过对红、绿、蓝三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的图像。
[0033]步骤S104，对RGB频道的图像进行预处理，得到掩码频道的图像。
[0034]本实施例的预处理可本文档来自技高网...

【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：