图像处理方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种图像处理方法、装置、计算机设备及存储介质。方法包括：从预置的训练图像集中随机获取预设数量的多张训练图像；根据预置的空间变换网络对多张训练图像进行空间变换以得到对应的配准图像；根据预置的卷积降噪模型对配准图像进行叠加降噪以得到对应的降噪图像；根据预置的梯度下降训练模型、配准图像、降噪图像及训练图像集对卷积降噪模型进行迭代训练以得到训练后的卷积降噪模型；根据空间变换网络、训练后的卷积降噪模型及预置的叠加规则对用户所输入的待处理图像进行处理以得到对应的优化图像。本发明专利技术基于图像增强技术，可大幅减少所需处理的图像数量，缩减对图像进行处理的时间，提高了对OCT图像进行图像增强时的处理效率。

Image processing method, device, computer equipment and storage medium

【技术实现步骤摘要】
图像处理方法、装置、计算机设备及存储介质
本专利技术涉及计算机
，尤其涉及一种图像处理方法、装置、计算机设备及存储介质。
技术介绍
在基于OCT图像进行病灶判断过程中，由于使用的相干成像模式，在所采集得到的单张图像中不可避免地产生斑点噪声，严重影响了后续对OCT图像的处理及病灶判断。为解决这一问题，常用的图像增强方法均是通过OCT扫描设备采集大约50张OCT图像，并基于所采集得到的图像叠加降噪得到一张清晰的融合图像，然而这一处理过程需在同一区域重复扫描约50次，大大提升了采集OCT图像所需的时间，且较多的图像数量大幅增加了处理时间，导致获取清晰图像的过程耗时长。因而，现有的对OCT图像进行图像增强的方法存在处理时间长的问题。
技术实现思路
本专利技术实施例提供了一种图像处理方法、装置、计算机设备及存储介质，旨在解决现有技术方法中的图像处理方法在对OCT图像进行图像增强时处理时间较长的问题。第一方面，本专利技术实施例提供了一种图像处理方法，其包括：从预置的训练图像集中随机获取预设数量的多张训练图像；根据预置的空间变换网络对多张所述训练图像进行空间变换以得到对应的配准图像；根据预置的卷积降噪模型对所述配准图像进行叠加降噪以得到对应的降噪图像；根据预置的梯度下降训练模型、所述配准图像、所述降噪图像及所述训练图像集对所述卷积降噪模型进行迭代训练以得到训练后的所述卷积降噪模型；若接收到用户所输入的待处理图像，根据所述空间变换网络、训练后的所述卷积降噪模型及预置的叠加规则对所述待处理图像进行处理以得到对应的优化图像。第二方面，本专利技术实施例提供了一种图像处理装置，其包括：训练图像获取单元，从预置的训练图像集中随机获取预设数量的多张训练图像；配准图像获取单元，根据预置的空间变换网络对多张所述训练图像进行空间变换以得到对应的配准图像；叠加降噪处理单元，用于根据预置的卷积降噪模型对所述配准图像进行叠加降噪以得到对应的降噪图像；模型训练单元，用于根据预置的梯度下降训练模型、所述配准图像、所述降噪图像及所述训练图像集对所述卷积降噪模型进行迭代训练以得到训练后的所述卷积降噪模型；优化图像获取单元，用于若接收到用户所输入的待处理图像，根据所述空间变换网络、训练后的所述卷积降噪模型及预置的叠加规则对所述待处理图像进行处理以得到对应的优化图像。第三方面，本专利技术实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，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图像处理方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的图像处理方法。本专利技术实施例提供了一种图像处理方法、装置、计算机设备及存储介质。随机获取多种训练图像，根据空间变换网络对训练图像进行空间变换得到配准图像，根据卷积降噪模型对配准图像进行叠加降噪得到降噪图像，基于降噪图像、配准图像及训练图像集对卷积降噪模型进行迭代训练得到训练后的卷积降噪模型，根据空间变换网络、训练后的卷积降噪模型及叠加规则将待处理图像处理为优化图像。通过上述方法，可大幅减少所需处理的图像数量，缩减对图像进行处理的时间，提高了对OCT图像进行图像增强时的处理效率。附图说明为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1为本专利技术实施例提供的图像处理方法的流程示意图；图2为本专利技术实施例提供的图像处理方法的子流程示意图；图3为本专利技术实施例提供的图像处理方法的另一子流程示意图；图4为本专利技术实施例提供的图像处理方法的另一子流程示意图；图5为本专利技术实施例提供的图像处理方法的另一子流程示意图；图6为本专利技术实施例提供的图像处理装置的示意性框图；图7为本专利技术实施例提供的计算机设备的示意性框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。请参阅图1，图1是本专利技术实施例提供的图像处理方法的流程示意图。该图像处理方法应用于用户终端中，该方法通过安装于用户终端中的应用软件进行执行，用户终端即是用于执行图像处理方法以完成对图像进行优化处理的终端设备，例如台式电脑、笔记本电脑、平板电脑或手机等。如图1所示，该方法包括步骤S110～S150。S110从预置的训练图像集中随机获取预设数量的多张训练图像。从预置的训练图像集中随机获取预设数量的多张训练图像。OCT扫描设备为一种比较常见的眼科疾病图像的采集设备，训练图像集即为通过OCT扫描设备对疑似病灶区域进行重复扫描所得到的图像集，训练图像集中可包含35-60张训练图像，以及基于训练图像集中的所有训练图像通过图像增强方法所得到的一张目标图像，所有训练图像的尺寸均相同，所得到的目标图像即为对卷积降噪模型进行训练的目标。预设数量即为从训练图像集中随机获取训练图像的数量信息。传统的图像增强方法需对大约50张OCT图像进行叠加、降噪处理得到一张清晰的融合图像，计算量十分巨大，采用本方案即可使用较少的OCT图像叠加降噪得到与上述融合图像质量等同的图像，大幅减少了图像处理过程中的计算量，缩短了处理时间。为达到使用较少OCT图像叠加降噪即可取得与目标图像质量等同的图像，在卷积降噪模型训练过程中即需减少训练图像的数量，可从训练图像集中随机获取预设数量的多张训练图像，也即是仅使用训练图像集中的部分训练图像对卷积降噪模型进行训练，预设数量可由用户预先设置，具体的，预设数量可设置为5-10。S120、根据预置的空间变换网络对多张所述训练图像进行空间变换以得到对应的配准图像。根据预置的空间变换网络对多张所述训本文档来自技高网...

【技术保护点】
1.一种图像处理方法，应用于用户终端，其特征在于，包括：/n从预置的训练图像集中随机获取预设数量的多张训练图像；/n根据预置的空间变换网络对多张所述训练图像进行空间变换以得到对应的配准图像；/n根据预置的卷积降噪模型对所述配准图像进行叠加降噪以得到对应的降噪图像；/n根据预置的梯度下降训练模型、所述配准图像、所述降噪图像及所述训练图像集对所述卷积降噪模型进行迭代训练以得到训练后的所述卷积降噪模型；/n若接收到用户所输入的待处理图像，根据所述空间变换网络、训练后的所述卷积降噪模型及预置的叠加规则对所述待处理图像进行处理以得到对应的优化图像。/n

【技术特征摘要】
1.一种图像处理方法，应用于用户终端，其特征在于，包括：
从预置的训练图像集中随机获取预设数量的多张训练图像；
根据预置的空间变换网络对多张所述训练图像进行空间变换以得到对应的配准图像；
根据预置的卷积降噪模型对所述配准图像进行叠加降噪以得到对应的降噪图像；
根据预置的梯度下降训练模型、所述配准图像、所述降噪图像及所述训练图像集对所述卷积降噪模型进行迭代训练以得到训练后的所述卷积降噪模型；
若接收到用户所输入的待处理图像，根据所述空间变换网络、训练后的所述卷积降噪模型及预置的叠加规则对所述待处理图像进行处理以得到对应的优化图像。


2.根据权利要求1所述的图像处理方法，其特征在于，所述空间变换网络包括卷积神经网络及二维仿射变换函数，所述根据预置的空间变换网络对多张所述训练图像进行空间变换以得到对应的配准图像，包括：
将所述多张训练图像中的任意一张确定为基准图像，将其它训练图像确定为待转换图像；
以所述基准图像为基准，根据所述卷积神经网络获取所有所述待转换图像对应于所述基准图像的参数矩阵；
根据所述二维仿射变换函数、所述参数矩阵对所述待转换图像进行映射以得到对应的映射图像；
获取所有待转换图像对应的映射图像及基准图像以得到配准图像。


3.根据权利要求1所述的图像处理方法，其特征在于，所述根据预置的卷积降噪模型对所述配准图像进行叠加降噪以得到对应的降噪图像，包括：
将所有所述配准图像进行逐像素叠加以得到第一叠加图像；
根据所述卷积降噪模型对所述第一叠加图像进行卷积降噪以得到降噪图像。


4.根据权利要求1所述的图像处理方法，其特征在于，所述根据预置的梯度下降训练模型、所述配准图像、所述降噪图像及所述训练图像集对所述卷积降噪模型进行迭代训练以得到训练后的所述卷积降噪模型，包括：
根据所述叠加规则对所述降噪图像及所有所述配准图像的像素均值进行逐像素叠加以得到高次叠加图像；
根据所述梯度下降训练模型中的损失函数计算所述高次叠加图像与所述训练图像集中目标图像之间的损失值；
根据所述梯度下降训练模型中的梯度计算公式、所述损失值及所述卷积降噪模型中的计算值计算得到所述卷积降噪模型中每一参数的更新值；
根据每一所述参数的更新值对所述卷积降噪模型中对应参数的参数值进行更新，以对所述卷积降噪模型进行训练。


5.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述空间变换网络、训练后的所述卷积降噪模型及预置的叠加规则对所述待处理图像进行处理以得到对...

【专利技术属性】
技术研发人员：郭晏，周侠，吕彬，吕传峰，谢国彤，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44