[發明專利]圖像降噪模型的訓練方法、裝置、電子設備和存儲介質

在審

• 申請號: 202010557928.5
• 申請日: 2020-06-18
• 公開（公告）號: CN111899185A
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 鄭海榮;劉新;張娜;胡戰利;薛恒志;梁棟
• 申請（專利權）人: 深圳先進技術研究院
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T11/00;G06N3/04
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 李瀟

本說明書實施例公開了一種圖像降噪模型的訓練方法、裝置、電子設備以及計算機可讀存儲介質。該方法包括：將帶噪聲原始圖像輸入循環一致性生成對抗網絡的第一生成模型，生成第一無噪聲生成圖像；將第一無噪聲生成圖像輸入循環一致性生成對抗網絡的第二生成模型，生成第二帶噪聲生成圖像；將無噪聲原始圖像輸入循環一致性生成對抗網絡的第二生成模型，生成第一帶噪聲生成圖像；將第一帶噪聲生成圖像輸入循環一致性生成對抗網絡的第一生成模型，生成第二無噪聲生成圖像；對循環一致性生成對抗網絡進行優化，以得到訓練好的圖像降噪模型。

技術領域

本說明書實施例涉及計算機技術領域，尤其涉及一種圖像降噪模型的訓練方法、裝置、電子設備以及計算機可讀存儲介質。

背景技術

磁共振成像(Magnetic Resonance Imaging，MRI)技術是利用核磁共振現象重建出人體組織圖像的技術，可以提供豐富的人體組織圖像信息且對人體沒有電離損傷，是我國廣泛應用的臨床醫學檢查手段。

由于磁共振成像機理、掃描速度和目標運動等多方面因素的限制，磁共振成像掃描儀采集的圖像可能代入明顯的噪聲，得到的圖像可能不能滿足臨床診斷的標準，從而降低了臨床診斷的準確性。因此，為了在快速成像的同時保證圖像質量，對圖像進行降噪非常必要。

目前，采用的深度學習方法主要學習從帶噪聲圖像到無噪聲圖像這一圖像降噪方向的映射關系，但這種學習方式學習效率不高，生成的降噪圖像質量也相對較低。

發明內容

本說明書實施例提供一種圖像降噪模型的訓練方法、裝置、電子設備以及計算機可讀存儲介質，以解決圖像降噪質量相對較低、深度學習方式學習效率不高的問題。

本說明書實施例采用下述技術方案：

一種圖像降噪模型的訓練方法，包括：獲取圖像樣本集；其中，所述圖像樣本集包括：帶噪聲原始圖像和與所述帶噪聲原始圖像對應的無噪聲原始圖像；將所述帶噪聲原始圖像輸入循環一致性生成對抗網絡的第一生成模型，生成第一無噪聲生成圖像；將所述第一無噪聲生成圖像輸入所述循環一致性生成對抗網絡的第二生成模型，生成第二帶噪聲生成圖像；將所述無噪聲原始圖像輸入所述循環一致性生成對抗網絡的第二生成模型，生成第一帶噪聲生成圖像；將所述第一帶噪聲生成圖像輸入所述循環一致性生成對抗網絡的第一生成模型，生成第二無噪聲生成圖像；將所述第一無噪聲生成圖像和所述無噪聲原始圖像輸入所述循環一致性生成對抗網絡的第一判別模型，得到所述第一無噪聲生成圖像是否為生成圖像類別的第一判別結果；將所述第一帶噪聲生成圖像和所述帶噪聲原始圖像輸入所述循環一致性生成對抗網絡的第二判別模型，得到所述第一帶噪聲生成圖像是否為生成圖像類別的第二判別結果；根據所述第一判別結果、所述第二判別結果、所述第一無噪聲生成圖像、所述無噪聲原始圖像、所述第二帶噪聲生成圖像、所述第二無噪聲生成圖像和所述帶噪聲原始圖像，對所述循環一致性生成對抗網絡進行優化，以得到訓練好的圖像降噪模型。

一種基于所述圖像降噪模型的訓練方法的圖像降噪方法，所述圖像降噪方法包括：獲取帶噪聲原始圖像；將所述帶噪聲原始圖像輸入至訓練好的圖像降噪模型中，以生成降噪后的圖像。