[发明专利]图像优化方法及相关模型的训练方法和相关装置、设备

说明书

本申请公开了一种图像优化方法及相关模型的训练方法和相关装置、设备，其中，图像优化模型的训练方法包括：获取第一样本图像和第二样本图像；基于图像优化模型优化第一样本图像，得到样本优化图像；获取第二样本图像中包含第二样本像素点的局部区域的结构特征信息，并基于第二样本像素点、结构特征信息以及样本优化图像中的第三样本像素点，得到第一样本图像中的第一样本像素点的第一损失值；基于第一样本图像中第一样本像素点的第一损失值，调整图像优化模型的网络参数。上述方案，能够提高图像优化质量，具体可以应用于低剂量CT图像的优化，以提高低剂量CT图像的优化质量。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种图像优化方法及相关模型的训练方法和相关装置、设备。

背景技术

随着电子信息技术的发展，图像数据已经在视频监控、医疗检查等诸多场景得到了应用。例如，在医疗检查场景中，CT(Computed Tomography，计算机断层扫描)图像，已经在辅助诊断、手术规划等临床实践中成为不可或缺的一部分。在此其中，LDCT(Low-DoseComputed Tomography，低剂量CT)图像得益于其较低的辐射剂量，具有大大减少人体伤害等突出优势。但是，相较于NDCT(Normal-Dose Computed Tomography，常规剂量CT)图像，LDCT图像往往存在较高的噪声与伪影，从而对临床实践产生一定的干扰。

由此可见，在现实场景中，图像数据受限于设备硬件、使用条件等诸多因素，其图像质量有可能不甚理想。故此，有必要对图像进行优化，以提高图像质量。有鉴于此，如何提高图像优化质量成为极具研究价值的课题。

发明内容

本申请提供一种图像优化方法及相关模型的训练方法和相关装置、设备。

本申请第一方面提供了一种图像优化模型的训练方法，包括：获取第一样本图像和第二样本图像；其中，第一样本图像和第二样本图像包含相同对象，且第二样本图像的图像质量优于第一样本图像的图像质量；基于图像优化模型优化第一样本图像，得到样本优化图像；获取第二样本图像中包含第二样本像素点的局部区域的结构特征信息，并基于第二样本像素点、结构特征信息以及样本优化图像中的第三样本像素点，得到第一样本图像中的第一样本像素点的第一损失值，其中，第二样本像素点和第三样本像素点均对应于第一样本像素点；基于第一样本图像中第一样本像素点的第一损失值，调整图像优化模型的网络参数。

因此，获取第一样本图像和第二样本图像，且第一样本图像和第二样本图像包含相同对象，第二样本图像的图像质量优于第一样本图像的图像质量，在此基础上，基于图像优化模型优化第一样本图像，得到样本优化图像，并获取第二样本图像中包含第二样本像素点的局部区域的结构特征信息，以及基于第二样本像素点、结构二值信息和样本优化图像中的第三样本像素点，得到第一样本图像中的第一样本像素点的第一损失值，且第二样本像素点和第三样本像素点均对应于第一样本像素点，从而基于第一样本图像中第一样本像素点的第一损失值，调整图像优化模型的网络参数，由于结构特征信息是基于图像质量较优的第二样本图像中包含与第一样本像素点对应的第二样本像素点的局部区域分析得到的，故能够确保结构特征信息的准确性，在此基础上计算得到第一样本图像中的第一样本像素点的第一损失值，从而能够有利于提高第一损失值的准确性，且由于第一样本像素点的第一损失值均参考了包含对应第二样本像素点的局部区域的结构特征信息，故能够引导图像优化模型在图像优化过程中根据各像素位置的局部区域的结构特征进行差异化优化，进而能够有利于提高图像优化质量。

其中，基于第二样本像素点、结构特征信息以及样本优化图像中的第三样本像素点，得到第一样本图像中的第一样本像素点的第一损失值，包括：基于结构特征信息，获取若干种预设结构的加权因子；以及，分别利用若干种预设结构的损失函数处理第二样本像素点和第三样本像素点，得到若干种预设结构的子损失值；利用若干种预设结构的加权因子分别对若干种预设结构的子损失值进行加权处理，得到第一损失值。