【技术实现步骤摘要】
本申请涉及图像处理，尤其涉及一种高分辨率图像重构方法和装置、计算机设备及存储介质。
技术介绍
1、高分辨率图像重构是将低分辨率图像恢复成高分辨率图像，以便于后续使用高分辨率图像做图像处理。例如，在磁共振血管壁图像领域，构建出高分辨率图像有利于图像处理中的管壁和管腔分割。
2、相关技术中，高分辨率图像重构方法主要利用深度学习方法从大量图像数据集中学习低分辨率的磁共振图像到高分辨率的映射关系，从而生成高分辨率的图像。但是深度学习方法未能有效利用图像潜在的先验信息，难以准确地输出高分辨率图像。因此，如何有效利用先验信息、准确输出高分辨率图像，成为了亟待解决的技术问题。
技术实现思路
1、本申请实施例的主要目的在于提出一种高分辨率图像重构方法和装置、计算机设备及存储介质，旨在有效利用先验信息提高高分辨率图像的重建效果。
2、为实现上述目的，本申请实施例的第一方面提出了一种高分辨率图像重构方法，所述方法包括：
3、获取低分辨率图像；其中，所述低分辨率图像由预设的目标图像降低分辨率得到，所述目标图像为高分辨率的图像；
4、将所述低分辨率图像输入至预设的图像重构模型；其中，所述图像重构模型包括至少两个阶段的图像重构网络；
5、通过所述图像重构网络对所述低分辨率图像进行高分辨率重构，得到初步重构图像；
6、根据所述初步重构图像和所述目标图像对下一阶段的所述图像重构网络进行参数调整；
7、通过调整后的所述图像重构网络
8、根据所述更新重构图像和所述目标图像对下下阶段的所述图像重构网络进行参数调整，直至最后阶段的所述图像重构网络输出高分辨率图像。
9、在一些实施例，在所述将所述低分辨率图像输入至预设的图像重构模型之前，所述方法还包括：
10、构建所述图像重构模型，具体包括：
11、获取原始重构模型；
12、根据预设的半分裂算子和预设的辅助变量对所述原始重构模型进行转换，得到等价重构模型；
13、对所述等价重构模型进行解耦处理，得到数据模块和先验模块；
14、将所述数据模块和所述先验模块进行组合，得到所述图像重构模型。
15、在一些实施例，所述通过所述图像重构网络对所述低分辨率图像进行高分辨率重构，得到初步重构图像，包括：
16、通过所述数据模块对所述低分辨率图像进行卷积处理，得到初步处理图像；
17、通过所述先验模块对所述初步处理图像进行去噪处理，得到所述初步重构图像。
18、在一些实施例，所述根据所述初步重构图像和所述目标图像对下一阶段的所述图像重构网络进行参数调整，包括：
19、对所述初步重构图像和所述目标图像进行分辨率损失计算，得到分辨率损失数据；
20、根据所述分辨率损失数据对下一阶段的所述图像重构网络进行参数调整。
21、在一些实施例，所述根据所述分辨率损失数据对下一阶段的所述图像重构网络进行参数调整，包括：
22、通过预设的超参数模块和所述分辨率损失数据对下一阶段的所述数据模块的第一权衡参数进行调整；
23、通过预设的超参数模块和所述分辨率损失数据对下一阶段的所述先验模块的第二权衡参数进行调整。
24、在一些实施例，所述获取低分辨率图像，包括：
25、获取目标图像；
26、根据预设的插值次数对所述目标图像进行插值处理，得到所述低分辨率图像。
27、在一些实施例，所述获取目标图像，包括：
28、获取原始图像集；其中，所述原始图像集包括尺寸不同的原始图像；
29、根据预设的图像尺寸对所述原始图像进行裁剪处理，得到所述目标图像。
30、为实现上述目的，本申请实施例的第二方面提出了一种高分辨图像重构装置，所述装置包括：
31、图像获取模块，用于获取低分辨率图像；其中，所述低分辨率图像由预设的目标图像降低分辨率得到，所述目标图像为高分辨率的图像；
32、输入模块，用于将所述低分辨率图像输入至预设的图像重构模型；其中，所述图像重构模型包括至少两个阶段的图像重构网络；
33、第一重构模块，用于通过所述图像重构网络对所述低分辨率图像进行高分辨率重构，得到初步重构图像；
34、第一参数调整模块，用于根据所述初步重构图像和所述目标图像对下一阶段的所述图像重构网络进行参数调整；
35、第二重构模块，用于通过调整后的所述图像重构网络对所述初步重构图像进行高分辨率重构，得到更新重构图像；
36、第二参数调整模块，用于根据所述更新重构图像和所述目标图像对下下阶段的所述图像重构网络进行参数调整，直至最后阶段的所述图像重构网络输出高分辨率图像。
37、为实现上述目的，本申请实施例的第三方面提出了一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
38、为实现上述目的，本申请实施例的第四方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。
39、本申请提出的高分辨率图像重构方法和装置、计算机设备及存储介质,其通过构建一个包含至少两个阶段的图像重构网络的图像重构模型，且每一图像重构网络完成高分辨率图像重构后，根据重构后的图像和原始高分辨率图像调整下一阶段的图像重构网络，以此反复做图像重构和网络参数调整，应用先验信息到图像重构中，而且每一个阶段图像重构效果都影响着下一个阶段的图像重构，让最后一阶段输出效果最佳的重构图像。因此，有效利用先验信息来做图像重构的指导，提高高分辨率图像的重构效果。
本文档来自技高网...【技术保护点】
1.一种高分辨率图像重构方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在所述将所述低分辨率图像输入至预设的图像重构模型之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述通过所述图像重构网络对所述低分辨率图像进行高分辨率重构，得到初步重构图像，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述初步重构图像和所述目标图像对下一阶段的所述图像重构网络进行参数调整，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述分辨率损失数据对下一阶段的所述图像重构网络进行参数调整，包括：
6.根据权利要求1至5任一项所述的方法，其特征在于，所述获取低分辨率图像，包括：
7.根据权利要求6所述的方法，其特征在于，所述获取目标图像，包括：
8.一种高分辨图像重构装置，其特征在于，所述装置包括：
9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的高分辨率图像重构方法。
...【技术特征摘要】
1.一种高分辨率图像重构方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在所述将所述低分辨率图像输入至预设的图像重构模型之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述通过所述图像重构网络对所述低分辨率图像进行高分辨率重构，得到初步重构图像，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述初步重构图像和所述目标图像对下一阶段的所述图像重构网络进行参数调整，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述分辨率损失数据对下一阶段的所述图像重构网络进行参数调整，包括：
...【专利技术属性】
技术研发人员：张娜，郑海荣，刘新，梁栋，胡战利，李烨，邹超，钟裕祥，
申请(专利权)人：中国科学院深圳先进技术研究院，
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。