[發(fā)明專利]圖像優(yōu)化網(wǎng)絡(luò)的訓(xùn)練方法、圖像處理方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010003012.5
• 申請(qǐng)日: 2020-01-02
• 公開（公告）號(hào): CN111199256A
• 公開（公告）日: 2020-05-26
• 發(fā)明（設(shè)計(jì)）人: 王軍搏;韓冬
• 申請(qǐng)（專利權(quán)）人: 沈陽(yáng)先進(jìn)醫(yī)療設(shè)備技術(shù)孵化中心有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 北京博思佳知識(shí)產(chǎn)權(quán)代理有限公司 11415
• 代理人: 靳玫

本申請(qǐng)?zhí)峁┮环N圖像優(yōu)化網(wǎng)絡(luò)的訓(xùn)練方法、圖像處理方法、裝置、存儲(chǔ)介質(zhì)及電子設(shè)備，用以實(shí)現(xiàn)對(duì)源域低質(zhì)量圖像和目標(biāo)域低質(zhì)量圖像同樣精準(zhǔn)且魯棒的圖像質(zhì)量?jī)?yōu)化。該訓(xùn)練方法包括：獲取源域數(shù)據(jù)集和目標(biāo)域數(shù)據(jù)集；基于所述源域數(shù)據(jù)集，對(duì)預(yù)先構(gòu)建的包含特征提取器和優(yōu)化器的圖像優(yōu)化網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到所述特征提取器的第一網(wǎng)絡(luò)參數(shù)；基于所述源域數(shù)據(jù)集和所述目標(biāo)域數(shù)據(jù)集，以及具有所述第一網(wǎng)絡(luò)參數(shù)的所述特征提取器，對(duì)與所述特征提取器連接的預(yù)先構(gòu)建的判別網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到所述判別網(wǎng)絡(luò)的第二網(wǎng)絡(luò)參數(shù)；基于所述源域數(shù)據(jù)集，對(duì)訓(xùn)練后的所述圖像優(yōu)化網(wǎng)絡(luò)和具有所述第二網(wǎng)絡(luò)參數(shù)的所述判別網(wǎng)絡(luò)進(jìn)行聯(lián)合訓(xùn)練，得到所述圖像優(yōu)化網(wǎng)絡(luò)。

技術(shù)領(lǐng)域

本申請(qǐng)涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種圖像優(yōu)化網(wǎng)絡(luò)的訓(xùn)練方法、圖像處理方法、裝置、存儲(chǔ)介質(zhì)及電子設(shè)備。

背景技術(shù)

在醫(yī)學(xué)影像領(lǐng)域，高分辨率、高信噪比的醫(yī)學(xué)圖像有助于醫(yī)生對(duì)患者病情進(jìn)行準(zhǔn)確評(píng)估和診斷，然而，在各種醫(yī)學(xué)影像數(shù)據(jù)采集條件下生成的醫(yī)學(xué)圖像質(zhì)量卻有著較大的差異，可能會(huì)出現(xiàn)高噪聲、低分辨率以及偽影等問題。因此，需要對(duì)低質(zhì)量圖像進(jìn)行優(yōu)化。

目前，比較常用的一種圖像優(yōu)化方法是采用機(jī)器學(xué)習(xí)模型進(jìn)行優(yōu)化，對(duì)于源域低質(zhì)量圖像，由于源域低質(zhì)量圖像可以獲取到與其圖像特征相同的訓(xùn)練數(shù)據(jù)集來(lái)訓(xùn)練機(jī)器學(xué)習(xí)模型，因此可以實(shí)現(xiàn)對(duì)源域低質(zhì)量圖像精準(zhǔn)且魯棒的圖像質(zhì)量?jī)?yōu)化，而對(duì)于目標(biāo)域低質(zhì)量圖像，由于目標(biāo)域低質(zhì)量圖像很難獲取到與其圖像特征相同的訓(xùn)練數(shù)據(jù)集來(lái)訓(xùn)練機(jī)器學(xué)習(xí)模型，因此相關(guān)技術(shù)中不能實(shí)現(xiàn)對(duì)目標(biāo)域低質(zhì)量圖像精準(zhǔn)且魯棒的圖像質(zhì)量?jī)?yōu)化。

發(fā)明內(nèi)容

有鑒于此，本申請(qǐng)?zhí)峁┮环N圖像優(yōu)化網(wǎng)絡(luò)的訓(xùn)練方法、圖像處理方法、裝置、存儲(chǔ)介質(zhì)及電子設(shè)備，用以實(shí)現(xiàn)對(duì)源域低質(zhì)量圖像和目標(biāo)域低質(zhì)量圖像同樣精準(zhǔn)且魯棒的圖像質(zhì)量?jī)?yōu)化。

第一方面，本申請(qǐng)實(shí)施例提供了一種圖像優(yōu)化網(wǎng)絡(luò)的訓(xùn)練方法，所述方法包括：

獲取源域數(shù)據(jù)集和目標(biāo)域數(shù)據(jù)集；其中，所述源域數(shù)據(jù)集包含多個(gè)帶標(biāo)簽的源域低質(zhì)量圖像，所述源域低質(zhì)量圖像的標(biāo)簽為與其圖像內(nèi)容一致的源域高質(zhì)量圖像，所述目標(biāo)域數(shù)據(jù)集包含多個(gè)缺少標(biāo)簽的目標(biāo)域低質(zhì)量圖像；

基于所述源域數(shù)據(jù)集，對(duì)預(yù)先構(gòu)建的包含特征提取器和優(yōu)化器的圖像優(yōu)化網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到所述特征提取器的第一網(wǎng)絡(luò)參數(shù)；

基于所述源域數(shù)據(jù)集和所述目標(biāo)域數(shù)據(jù)集，以及具有所述第一網(wǎng)絡(luò)參數(shù)的所述特征提取器，對(duì)與所述特征提取器連接的預(yù)先構(gòu)建的判別網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到所述判別網(wǎng)絡(luò)的第二網(wǎng)絡(luò)參數(shù)；

基于所述源域數(shù)據(jù)集，對(duì)訓(xùn)練后的所述圖像優(yōu)化網(wǎng)絡(luò)和具有所述第二網(wǎng)絡(luò)參數(shù)的所述判別網(wǎng)絡(luò)進(jìn)行聯(lián)合訓(xùn)練，得到所述圖像優(yōu)化網(wǎng)絡(luò)。

在一可能的實(shí)現(xiàn)方式中，所述基于所述源域數(shù)據(jù)集，對(duì)預(yù)先構(gòu)建的圖像優(yōu)化網(wǎng)絡(luò)進(jìn)行訓(xùn)練，包括：

從所述源域數(shù)據(jù)集中選取第一批帶標(biāo)簽的源域低質(zhì)量圖像，利用所述第一批帶標(biāo)簽的源域低質(zhì)量圖像，對(duì)預(yù)先構(gòu)建的圖像優(yōu)化網(wǎng)絡(luò)進(jìn)行有監(jiān)督訓(xùn)練。

在一可能的實(shí)現(xiàn)方式中，所述基于所述源域數(shù)據(jù)集和所述目標(biāo)域數(shù)據(jù)集，以及具有所述第一網(wǎng)絡(luò)參數(shù)的所述特征提取器，對(duì)與所述特征提取器連接的預(yù)先構(gòu)建的判別網(wǎng)絡(luò)進(jìn)行訓(xùn)練，包括：

從所述源域數(shù)據(jù)集中選取一批源域低質(zhì)量圖像，以及從所述目標(biāo)域數(shù)據(jù)集中選取一批目標(biāo)域低質(zhì)量圖像，并對(duì)選取的源域低質(zhì)量圖像和目標(biāo)域低質(zhì)量圖像的類別進(jìn)行標(biāo)記，得到混合數(shù)據(jù)集；

通過具有所述第一網(wǎng)絡(luò)參數(shù)的所述特征提取器，提取所述混合數(shù)據(jù)集中源域低質(zhì)量圖像或目標(biāo)域低質(zhì)量圖像的圖像特征，并輸出給所述判別網(wǎng)絡(luò)；

根據(jù)所述圖像特征，對(duì)所述判別網(wǎng)絡(luò)進(jìn)行有監(jiān)督訓(xùn)練。

在一可能的實(shí)現(xiàn)方式中，所述基于所述源域數(shù)據(jù)集，對(duì)訓(xùn)練后的所述圖像優(yōu)化網(wǎng)絡(luò)和具有所述第二網(wǎng)絡(luò)參數(shù)的所述判別網(wǎng)絡(luò)進(jìn)行聯(lián)合訓(xùn)練，包括：