三维图像的增强方法、图像增强模型的训练方法及装置制造方法及图纸

本发明专利技术公开了三维图像的增强方法、图像增强模型的训练方法及装置、电子设备、存储介质。该增强方法包括：获取三维图像；对所述三维图像进行分割处理，得到若干图像块；其中，各个图像块与至少一个其他图像块存在重叠区域；将各个图像块输入图像增强模型，获得增强图像块；其中，所述图像增强模型由多组三维图像样本对神经网络训练得到，每组三维图像样本包括三维样本图像和所述三维样本图像的三维增强图像；对所述增强图像块进行拼接处理，获得增强三维图像。从而可以有效减小边缘效应。从而可以有效减小边缘效应。从而可以有效减小边缘效应。

【技术实现步骤摘要】
三维图像的增强方法、图像增强模型的训练方法及装置


[0001]本专利技术涉及图像处理
，尤其涉及一种三维图像的增强方法、图像增强模型的训练方法及装置、电子设备、存储介质。

技术介绍

[0002]深度学习技术在计算机视觉方向已经被广泛研究和使用。在图像增强领域，当前研究主要集中在二维图像，很少有关于三维图像的工作。一方面是因为三维图像数据比二维图像更加难以获取，而训练神经网络模型往往需要大规模的数据；另一方面是因为三维图像数据太大，在运行深度学习模型时需要占用更多的计算资源。这些实际问题都限制了用于三维图像增强的深度学习模型的研究和应用，基于目前的模型得到的三维增强图像，存在明显的边缘效应，图像质量有待进一步提高。

技术实现思路

[0003]本专利技术要解决的技术问题是为了克服基于现有技术中用于三维图像增强的深度学习模型得到的三维增强图像，存在明显的边缘效应的缺陷，提供一种三维图像的增强方法、图像增强模型的训练方法及装置、电子设备、存储介质。
[0004]本专利技术是通过下述技术方案来解决上述技术问题：
[0005]第一方面，提供一种三维图像的增强方法，包括：
[0006]获取三维图像；
[0007]对所述三维图像进行分割处理，得到若干图像块；其中，各个图像块与至少一个其他图像块存在重叠区域；
[0008]将所述各个图像块输入图像增强模型，获得增强图像块；其中，所述图像增强模型由多组三维图像样本对神经网络训练得到，每组三维图像样本包括三维样本图像和所述三维样本图像的三维增强图像；
[0009]对所述增强图像块进行拼接处理，获得增强三维图像。
[0010]可选地，对所述三维图像进行分割处理，包括：
[0011]采用滑动窗口对所述三维图像进行分割处理，所述滑动窗口的移动步长小于所述滑动窗口沿移动方向上的边长。
[0012]可选地，对所述三维图像进行分割处理，包括：
[0013]对分割结果进行外围扩展处理，得到所述若干图像块。
[0014]可选地，对所述增强图像块进行拼接处理，获得增强三维图像，包括：
[0015]去除各个增强图像块的边缘；
[0016]根据各个增强图像块之间的相对位置关系，对去除边缘之后的各个增强图像块进行拼接处理，获得所述增强三维图像。
[0017]第二方面，提供一种图像增强模型的训练方法，包括：
[0018]获取多组三维图像样本，每组三维图像样本包括三维样本图像和所述三维样本图
像的三维增强图像；
[0019]将所述三维样本图像的三维增强图像转换为目标方向上的二维增强图像；
[0020]将所述三维样本图像输入神经网络，并将所述神经网络的输出结果转换为所述目标方向上的二维输出图像；
[0021]根据所述二维增强图像和所述二维输出图像，计算损失误差；
[0022]根据所述损失误差调节所述神经网络的网络参数，直至所述图像增强模型的损失函数收敛。
[0023]可选地，所述损失函数包括感知损失函数，所述感知损失函数的自变量包括所述二维增强图像和所述二维输出图像。
[0024]第三方面，提供一种三维图像的增强装置，包括：
[0025]获取模块，用于获取三维图像；
[0026]分割模块，用于对所述三维图像进行分割处理，得到若干图像块；其中，所述各个图像块与至少一个其他图像块存在重叠区域；
[0027]输入模块，用于将各个图像块输入图像增强模型，获得增强图像块；其中，所述图像增强模型由多组三维图像样本对神经网络训练得到，每组三维图像样本包括三维样本图像和所述三维样本图像的三维增强图像；
[0028]拼接模块，用于对所述增强图像块进行拼接处理，获得增强三维图像。
[0029]可选地，所述分割模块具体用于：
[0030]采用滑动窗口对所述三维图像进行分割处理，所述滑动窗口的移动步长小于所述滑动窗口沿移动方向上的边长。
[0031]可选地，所述分割模块具体用于：
[0032]对分割结果进行外围扩展处理，得到所述若干图像块。
[0033]可选地，所述拼接模具体用于：
[0034]将所述增强图像块中的非重叠区域的体素映射至所述三维图像的对应位置；
[0035]确定各个图像块的重叠区域中相同位置的体素的平均值，并将所述平均值映射至所述三维图像的对应位置。
[0036]第四方面，提供一种图像增强模型的训练装置，包括：
[0037]获取模块，用于获取多组三维图像样本，每组三维图像样本包括三维样本图像和所述三维样本图像的三维增强图像；
[0038]转换模块，用于将所述三维样本图像的三维增强图像转换为目标方向上的二维增强图像；
[0039]输入模块，用于将所述三维样本图像输入神经网络，并将所述神经网络的输出结果转换为所述目标方向上的二维输出图像；
[0040]计算模块，用于根据所述二维增强图像和所述二维输出图像，计算损失误差；
[0041]调节模块，用于根据所述损失误差调节所述神经网络的网络参数，直至达到迭代停止条件。
[0042]可选地，所述训练方法采用的损失函数包括感知损失函数，所述感知损失函数的自变量包括所述二维增强图像和所述二维输出图像。
[0043]第五方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理
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任一项所述的方法。
[0044]第六方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法。
[0045]本专利技术的积极进步效果在于：本专利技术实施例中，对三维图像进行分割处理时，使分割得到的各个图像块与至少一个其他图像块存在重叠区域，基于图像增强模型对各个图像块进行图像增强处理，以得到增强图像块，并利用各个增强图像块的重叠区域对增强图像块进行拼接处理，不存在边缘与边缘的拼接，从而可以有效减小边缘效应。
附图说明
[0046]图1为本专利技术一示例性实施例提供的一种三维图像的增强方法的流程图；
[0047]图2a为本专利技术一示例性实施例提供的一种三维图像的增强方法采用的图像分割处理的示意图；
[0048]图2b为本专利技术一示例性实施例提供的另一种三维图像的增强方法采用的图像分割处理的示意图；
[0049]图2c为现有技术采用的图像增强处理过程的示意图；
[0050]图2d为本专利技术一示例性实施例提供的一种三维图像的增强方法采用的图像拼接处理过程的示意图；
[0051]图2e为本专利技术一示例性实施例提供的另一种三维图像的增强方法采用的图像拼接处理过程的示意图；
[0052]图2f为本专利技术一示例性实施例提供的另一种三维图像的增强方法采用的图像拼接处理过程的示意图；
[0053]图2g为本专利技术一示例性实施例提供的另一种三维图像的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种三维图像的增强方法，其特征在于，包括：获取三维图像；对所述三维图像进行分割处理，得到若干图像块；其中，各个图像块与至少一个其他图像块存在重叠区域；将所述各个图像块输入图像增强模型，获得增强图像块；其中，所述图像增强模型由多组三维图像样本对神经网络训练得到，每组三维图像样本包括三维样本图像和所述三维样本图像的三维增强图像；对所述增强图像块进行拼接处理，获得增强三维图像。2.根据权利要求1所述的三维图像的增强方法，其特征在于，对所述三维图像进行分割处理，包括：采用滑动窗口对所述三维图像进行分割处理，所述滑动窗口的移动步长小于所述滑动窗口沿移动方向上的边长。3.根据权利要求1或2所述的三维图像的增强方法，其特征在于，对所述三维图像进行分割处理，包括：对分割结果进行外围扩展处理，得到所述若干图像块。4.根据权利要求1所述的三维图像的增强方法，其特征在于，对所述增强图像块进行拼接处理，获得增强三维图像，包括：去除各个增强图像块的边缘；根据各个增强图像块之间的相对位置关系，对去除边缘之后的各个增强图像块进行拼接处理，获得所述增强三维图像。5.一种图像增强模型的训练方法，其特征在于，包括：获取多组三维图像样本，每组三维图像样本包括三维样本图像和所述三维样本图像的三维增强图像；将所述三维样本图像的三维增强图像转换为目标方向上的二维增强图像；将所述三维样本图像输入神经网络，并将所述神经网络的输出结果转换为所述目标方向上的二维输出图像；根据所述二维增强图像和所述二维输出图像，计算损失误差；根据所述损失误差调节所述神经网络的网络参数，直至达到迭代停止条件。6.根据权利要求5所述...

【专利技术属性】
技术研发人员：刘奥文，廖术，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：