一种基于多尺度特征融合的超声图像超分辨率重建方法及装置制造方法及图纸

本发明专利技术提供了一种基于多尺度特征融合的超声图像超分辨率重建方法及装置，其通过获取超声图像数据，对超声图像网络进行训练优化后，可获得最优的超声图像网络，从而通过上述超声图像网络可对超声图像进行超分辨率重建。本发明专利技术中深层特征提取模块由多个级联的多尺寸联合块组成，可提取不同层输出的特征信息，然后通过多级特征融合模块对各层的特征信息进行自适应融合，可充分融合网络中的低级特征和高级语义特征，从而大幅提升网络性能；本发明专利技术中的多尺寸联合块的不同支路中采用了不同的小尺寸卷积核堆叠替代了大尺寸卷积核，因此可减小网络参数量，从而减小重建方法的计算量，减少计算时间。减少计算时间。减少计算时间。

【技术实现步骤摘要】
一种基于多尺度特征融合的超声图像超分辨率重建方法及装置


[0001]本专利技术涉及图像处理
，具体涉及一种基于多尺度特征融合的超声图像超分辨率重建方法及装置。

技术介绍

[0002]超分辨率重建指的是从模糊的、含有多种噪音的低分辨率（Low Resolution，LR）图像中挖掘图像像素之间的数学联系，通过一定算法恢复具有更多细节信息、结构信息、噪声较少的高分辨率（High Resolution，HR）图像的过程。具体做法为运用数字图像处理等知识，研究对应领域的图像超分辨率算法，从而最终提高图像的分辨率，达到提高图像视觉效果的目的。
[0003]传统的超分辨率重建算法主要有基于插值的超分辨率重建算法和基于重构的超分辨率重建算法。前者的思想简单易懂，所以应用广泛；但是其无法利用先验知识，也无法反应图像中复杂的映射关系。后者通常只采用单一的数学模型来来描述高分辨率图像与低分辨率图像之间的关系，所以在实际应用中重建的方法具有局限性。
[0004]近年来，随着计算硬件的进步、数据资源的丰富，深度学习开始广泛应用，在图像超分辨率领域本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多尺度特征融合的超声图像超分辨率重建方法，其特征在于，包括以下步骤：S100、获取超声图像训练集；所述超声图像训练集包括低分辨率训练超声图像和基准高分辨率超声图像；S200、构建超声图像网络；所述超声图像网络包括浅层特征提取模块、深层特征提取模块、多级特征融合模块和重建模块；所述深层特征提取模块由多个多尺度联合块级联构成；S300、将超声图像训练集输入到超声图像网络，获得超分辨率训练超声图像集；S400、依据获得的超分辨率训练超声图像集和基准高分辨率超声图像对超声图像网络进行训练优化；S500、使用优化后的超声图像网络对超声图像进行处理，获得重建的超声图像。2.根据权利要求1所述的方法，其特征在于，所述步骤S100包括以下步骤：S110、获取超声图像数据，将其缩放至第一尺寸作为基准高分辨率超声图像；S120、对基准高分辨率超声图像进行下采样，获得对应的具有第二尺寸的低分辨率训练超声图像；所述第一尺寸大于第二尺寸。3.根据权利要求1所述的方法，其特征在于，所述多尺度联合块构成为多支路网络，其不同支路具有不同尺寸的卷积核。4.根据权利要求3所述的方法，其特征在于，所述多尺度联合块构成为四支路网络，所述四支路网络其中的一支网络具有两个3
×
3卷积核，所述四支路网络其中的另一支网络具有1
×
7卷积核和7
×
1卷积核。5.根据权利要求1所述的方法，其特征在于，所述步骤S3...

【专利技术属性】
技术研发人员：李肯立，汪勇圣，朱宁波，谭光华，
申请(专利权)人：湖南大学，
类型：发明
国别省市：