【技术实现步骤摘要】
本公开涉及医学图像处理和计算机视觉，更具体地，涉及一种基于抽样切分卷积的内镜图像去模糊方法及模型训练方法。
技术介绍
1、在临床医学的应用中，通过内镜进行的入侵式检查可以有效地提高相关病症的发现概率，从而提高相关病症的治愈率。而受限于内镜的镜面小的特点，通过内镜进行检查时采集的图像不可避免地存在图像模糊的问题。
2、在实现本公开构思的过程中，专利技术人发现相关技术中的图像去模糊方法在应用于内镜图像的去模糊时，存在重建图像的清晰度不足的问题。
技术实现思路
1、有鉴于此，本公开提供了一种基于抽样切分卷积的内镜图像去模糊方法及模型训练方法。
2、本公开的一个方面提供了一种基于抽样切分卷积的内镜图像去模糊方法，包括：获取具有不同尺度的多个待处理图像，其中，多个上述待处理图像包括基于不同的倍率对模糊内镜图像进行采样处理而得到；利用卷积层分别对多个上述待处理图像进行特征提取，得到多个第一特征图；利用下采样层分别对多个第一特征图集合进行特征融合，得到多个编码特征图，其中，每个上述第一特征图集合包括至少一个上述第一特征图，多个上述第一特征图集合与多个上述待处理图像一一对应；利用特征交互融合层分别对多个上述编码特征图和与上述编码特征图对应的待处理图像进行融合，得到多个第二特征图；以及利用上采样层基于多个第二特征图进行图像重建，得到多个具有不同尺度的目标图像。
3、本公开的另一个方面提供了一种基于抽样切分卷积的内镜图像去模糊模型训练方法，包括：获取具有不同尺度的多
4、本公开的另一个方面提供了一种基于抽样切分卷积的内镜图像去模装置，包括：第一获取模块，用于获取具有不同尺度的多个待处理图像，其中，多个上述待处理图像包括基于不同的倍率对模糊内镜图像进行采样处理而得到；第一提取模块，用于利用卷积层分别对多个上述待处理图像进行特征提取，得到多个第一特征图；第一融合模块，用于利用下采样层分别对多个第一特征图集合进行特征融合，得到多个编码特征图，其中，每个上述第一特征图集合包括至少一个上述第一特征图，多个上述第一特征图集合与多个上述待处理图像一一对应；第二融合模块，用于利用特征交互融合层分别对多个上述编码特征图和与上述编码特征图对应的待处理图像进行融合，得到多个第二特征图；以及第一重建模块，用于利用上采样层基于多个第二特征图进行图像重建，得到多个具有不同尺度的目标图像。
5、本公开的另一个方面提供了一种基于抽样切分卷积的内镜图像去模糊模型训练装置，包括：第二获取模块，用于获取具有不同尺度的多个样本图像，其中，多个上述样本图像包括基于不同的倍率对初始样本图像进行采样处理而得到；第二提取模块，用于利用卷积层分别对多个上述样本图像进行特征提取，得到多个第一特征图；第三融合模块，用于利用下采样层分别对多个第一特征图集合进行特征融合，得到多个编码特征图，其中，每个上述第一特征图集合包括至少一个上述第一特征图，多个上述第一特征图集合与多个上述样本图像一一对应；第四融合模块，用于利用特征交互融合层分别对多个上述编码特征图和与上述编码特征图对应的样本图像进行融合，得到多个第二特征图；第二重建模块，用于利用上采样层基于多个第二特征图进行图像重建，得到多个具有不同尺度的重建图像；以及训练模块，用于基于多个上述重建图像和多个上述样本图像的标签图像，调整上述卷积层、上述下采样层、上述特征交互融合层和上述上采样层的模型参数，得到内镜图像去模糊模型，其中，多个上述样本图像的标签图像包括基于上述不同的倍率对初始样本图像的标签图像进行下采样处理而得到。
6、根据本公开的实施例，通过将不同尺度的模糊内镜图像的特征用于进行图像重建，可以使得输入图像具有更丰富的层次特征；通过下采样层的特征融合，可以保留不同尺度特征的信息；通过特征交互融合层的处理，可以实现细节特征与语义特征的交互融合和优势互补，提高网络的重建能力；再通过下采样层的特征融合，可以避免图像的语义信息的模糊和稀疏，从而提高了重建图像的表达能力。通过上述技术手段可以至少部分地克服相关技术中的图像去模糊方法在应用于内镜图像的去模糊时，存在的重建图像的清晰度不足的技术问题，进而有效提高了重建得到的目标图像的信噪比，提升了目标图像的清晰度。
本文档来自技高网...【技术保护点】
1.一种基于抽样切分卷积的内镜图像去模糊方法，包括：
2.根据权利要求1所述的方法，其中，所述下采样层包括多个抽样切分卷积下采样模块和多个第一残差模块；
3.根据权利要求2所述的方法，其中，所述利用与所述第一特征图集合对应的所述抽样切分卷积下采样模块对所述第一特征图集合进行特征融合，得到第三特征图，包括：
4.根据权利要求1所述的方法，其中，所述上采样层包括多个第二残差模块和多个抽样切分卷积上采样模块；
5.根据权利要求4所述的方法，其中，所述分别利用多个所述抽样切分卷积上采样模块对与所述抽样切分卷积上采样模块对应的第二特征图集合进行特征融合，得到多个第四特征图，包括：
6.一种基于抽样切分卷积的内镜图像去模糊模型训练方法，包括：
7.根据权利要求6所述的方法，其中，所述基于多个所述重建图像和多个所述样本图像的标签图像，调整所述卷积层、所述下采样层、所述特征交互融合层和所述上采样层的模型参数，得到内镜图像去模糊模型，包括：
8.根据权利要求7所述的方法，还包括：
9.一种基于抽样切分卷
10.一种基于抽样切分卷积的内镜图像去模糊训练装置，包括：
...【技术特征摘要】
1.一种基于抽样切分卷积的内镜图像去模糊方法，包括：
2.根据权利要求1所述的方法，其中，所述下采样层包括多个抽样切分卷积下采样模块和多个第一残差模块；
3.根据权利要求2所述的方法，其中，所述利用与所述第一特征图集合对应的所述抽样切分卷积下采样模块对所述第一特征图集合进行特征融合，得到第三特征图，包括：
4.根据权利要求1所述的方法，其中，所述上采样层包括多个第二残差模块和多个抽样切分卷积上采样模块；
5.根据权利要求4所述的方法，其中，所述分别利用多个所述抽样切分卷积上采样模块对与所述抽样切...
【专利技术属性】
技术研发人员：李小霞，严靖易，文黎明，张华，秦佳敏，陈禹伶，周颖玥，王利，刘爽利，
申请(专利权)人：西南科技大学，
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。