[發(fā)明專利]圖像優(yōu)化方法及相關(guān)模型的訓(xùn)練方法和相關(guān)裝置、設(shè)備

有效

• 申請?zhí)枺?/td>: 202110341708.3
• 申請日: 2021-03-30
• 公開（公告）號(hào): CN113052774B
• 公開（公告）日: 2022-10-21
• 發(fā)明（設(shè)計(jì)）人: 徐璐;任思捷;周牧
• 申請（專利權(quán)）人: 上海商湯智能科技有限公司
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00
• 代理公司: 深圳市威世博知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44280
• 代理人: 何倚雯

本申請公開了一種圖像優(yōu)化方法及相關(guān)模型的訓(xùn)練方法和相關(guān)裝置、設(shè)備，其中，圖像優(yōu)化模型的訓(xùn)練方法包括：獲取第一樣本圖像和第二樣本圖像；基于圖像優(yōu)化模型優(yōu)化第一樣本圖像，得到樣本優(yōu)化圖像；獲取第二樣本圖像中包含第二樣本像素點(diǎn)的局部區(qū)域的結(jié)構(gòu)特征信息，并基于第二樣本像素點(diǎn)、結(jié)構(gòu)特征信息以及樣本優(yōu)化圖像中的第三樣本像素點(diǎn)，得到第一樣本圖像中的第一樣本像素點(diǎn)的第一損失值；基于第一樣本圖像中第一樣本像素點(diǎn)的第一損失值，調(diào)整圖像優(yōu)化模型的網(wǎng)絡(luò)參數(shù)。上述方案，能夠提高圖像優(yōu)化質(zhì)量，具體可以應(yīng)用于低劑量CT圖像的優(yōu)化，以提高低劑量CT圖像的優(yōu)化質(zhì)量。

技術(shù)領(lǐng)域

本申請涉及人工智能技術(shù)領(lǐng)域，特別是涉及一種圖像優(yōu)化方法及相關(guān)模型的訓(xùn)練方法和相關(guān)裝置、設(shè)備。

背景技術(shù)

隨著電子信息技術(shù)的發(fā)展，圖像數(shù)據(jù)已經(jīng)在視頻監(jiān)控、醫(yī)療檢查等諸多場景得到了應(yīng)用。例如，在醫(yī)療檢查場景中，CT(Computed Tomography，計(jì)算機(jī)斷層掃描)圖像，已經(jīng)在輔助診斷、手術(shù)規(guī)劃等臨床實(shí)踐中成為不可或缺的一部分。在此其中，LDCT(Low-DoseComputed Tomography，低劑量CT)圖像得益于其較低的輻射劑量，具有大大減少人體傷害等突出優(yōu)勢。但是，相較于NDCT(Normal-Dose Computed Tomography，常規(guī)劑量CT)圖像，LDCT圖像往往存在較高的噪聲與偽影，從而對臨床實(shí)踐產(chǎn)生一定的干擾。

由此可見，在現(xiàn)實(shí)場景中，圖像數(shù)據(jù)受限于設(shè)備硬件、使用條件等諸多因素，其圖像質(zhì)量有可能不甚理想。故此，有必要對圖像進(jìn)行優(yōu)化，以提高圖像質(zhì)量。有鑒于此，如何提高圖像優(yōu)化質(zhì)量成為極具研究價(jià)值的課題。

發(fā)明內(nèi)容

本申請?zhí)峁┮环N圖像優(yōu)化方法及相關(guān)模型的訓(xùn)練方法和相關(guān)裝置、設(shè)備。

本申請第一方面提供了一種圖像優(yōu)化模型的訓(xùn)練方法，包括：獲取第一樣本圖像和第二樣本圖像；其中，第一樣本圖像和第二樣本圖像包含相同對象，且第二樣本圖像的圖像質(zhì)量優(yōu)于第一樣本圖像的圖像質(zhì)量；基于圖像優(yōu)化模型優(yōu)化第一樣本圖像，得到樣本優(yōu)化圖像；獲取第二樣本圖像中包含第二樣本像素點(diǎn)的局部區(qū)域的結(jié)構(gòu)特征信息，并基于第二樣本像素點(diǎn)、結(jié)構(gòu)特征信息以及樣本優(yōu)化圖像中的第三樣本像素點(diǎn)，得到第一樣本圖像中的第一樣本像素點(diǎn)的第一損失值，其中，第二樣本像素點(diǎn)和第三樣本像素點(diǎn)均對應(yīng)于第一樣本像素點(diǎn)；基于第一樣本圖像中第一樣本像素點(diǎn)的第一損失值，調(diào)整圖像優(yōu)化模型的網(wǎng)絡(luò)參數(shù)。

因此，獲取第一樣本圖像和第二樣本圖像，且第一樣本圖像和第二樣本圖像包含相同對象，第二樣本圖像的圖像質(zhì)量優(yōu)于第一樣本圖像的圖像質(zhì)量，在此基礎(chǔ)上，基于圖像優(yōu)化模型優(yōu)化第一樣本圖像，得到樣本優(yōu)化圖像，并獲取第二樣本圖像中包含第二樣本像素點(diǎn)的局部區(qū)域的結(jié)構(gòu)特征信息，以及基于第二樣本像素點(diǎn)、結(jié)構(gòu)二值信息和樣本優(yōu)化圖像中的第三樣本像素點(diǎn)，得到第一樣本圖像中的第一樣本像素點(diǎn)的第一損失值，且第二樣本像素點(diǎn)和第三樣本像素點(diǎn)均對應(yīng)于第一樣本像素點(diǎn)，從而基于第一樣本圖像中第一樣本像素點(diǎn)的第一損失值，調(diào)整圖像優(yōu)化模型的網(wǎng)絡(luò)參數(shù)，由于結(jié)構(gòu)特征信息是基于圖像質(zhì)量較優(yōu)的第二樣本圖像中包含與第一樣本像素點(diǎn)對應(yīng)的第二樣本像素點(diǎn)的局部區(qū)域分析得到的，故能夠確保結(jié)構(gòu)特征信息的準(zhǔn)確性，在此基礎(chǔ)上計(jì)算得到第一樣本圖像中的第一樣本像素點(diǎn)的第一損失值，從而能夠有利于提高第一損失值的準(zhǔn)確性，且由于第一樣本像素點(diǎn)的第一損失值均參考了包含對應(yīng)第二樣本像素點(diǎn)的局部區(qū)域的結(jié)構(gòu)特征信息，故能夠引導(dǎo)圖像優(yōu)化模型在圖像優(yōu)化過程中根據(jù)各像素位置的局部區(qū)域的結(jié)構(gòu)特征進(jìn)行差異化優(yōu)化，進(jìn)而能夠有利于提高圖像優(yōu)化質(zhì)量。

其中，基于第二樣本像素點(diǎn)、結(jié)構(gòu)特征信息以及樣本優(yōu)化圖像中的第三樣本像素點(diǎn)，得到第一樣本圖像中的第一樣本像素點(diǎn)的第一損失值，包括：基于結(jié)構(gòu)特征信息，獲取若干種預(yù)設(shè)結(jié)構(gòu)的加權(quán)因子；以及，分別利用若干種預(yù)設(shè)結(jié)構(gòu)的損失函數(shù)處理第二樣本像素點(diǎn)和第三樣本像素點(diǎn)，得到若干種預(yù)設(shè)結(jié)構(gòu)的子損失值；利用若干種預(yù)設(shè)結(jié)構(gòu)的加權(quán)因子分別對若干種預(yù)設(shè)結(jié)構(gòu)的子損失值進(jìn)行加權(quán)處理，得到第一損失值。