[发明专利]增强图像生成模型的训练方法、图像处理方法及装置

权利要求书

1.一种增强图像生成模型的训练方法，其特征在于，包括：

获取待处理样本图像，确定所述待处理样本图像的类别，其中，所述类别包括平扫图像和增强图像；

识别所述待处理样本图像的感兴趣区域，以得到包括感兴趣区域的样本图像；

基于所述包括感兴趣区域的样本图像，以及样本图像的类别对初始模型进行训练，得到增强图像生成模型。

2.根据权利要求1所述的方法，其特征在于，确定所述待处理样本图像的类别，包括：

将所述待处理样本图像输入至分类器中，得到所述分类器输出的所述待处理样本图像的类别。

3.根据权利要求2所述的方法，其特征在于，所述识别所述待处理样本图像的感兴趣区域，包括：

基于所述分类器提取的图像特征生成所述待处理样本图像的热力图；

对所述热力图中的各像素点进行阈值匹配，基于匹配结果确定感兴趣区域。

4.根据权利要求3所述的方法，其特征在于，所述基于所述分类器提取的图像特征生成所述待处理样本图像的热力图，包括：

获取所述分类器中预设结构提取的图像特征；

基于所述图像特征调整所述待处理样本图像中对应像素点的像素值，生成所述待处理样本图像的热力图。

5.根据权利要求1所述的方法，其特征在于，所述初始模型包括第一生成模型和第二生成模型，第一生成模型用于将平扫图像转换为增强图像，所述第二生成模型用于将增强图像转换为平扫图像；

基于所述包括感兴趣区域的样本图像，以及样本图像的类别对初始模型进行训练，得到增强图像生成模型，包括：

基于所述包括感兴趣区域的样本图像，以及样本图像的类别对所述第一生成模型和第二生成模型进行迭代训练，直到满足结束条件，将训练完成的第一生成模型确定为增强图像生成模型。

6.根据权利要求5所述的方法，其特征在于，所述第一生成模型和第二生成模型的迭代训练过程包括：

将类别为平扫图像的样本图像输入至第一生成模型中，得到所述第一生成模型输出的训练增强图像，将所述训练增强图像输入至所述第二生成模型中，得到所述第二生成模型输出的训练平扫图像，基于所述类别为平扫图像的样本图像和所述训练平扫图像生成第一损失函数，基于第一损失函数调整所述第一生成模型和所述第二生成模型；

和/或，

将类别为增强图像的样本数据输入至第二生成模型中，得到所述第二生成模型输出的训练平扫图像，将所述训练平扫图像输入至第一生成模型中，得到所述第一生成模型输出的训练增强图像，基于所述类别为增强图像的样本数据和所述训练增强图像生成第二损失函数，基于所述第二损失函数调整所述第一生成模型和所述第二生成模型。

7.根据权利要求1所述的方法，其特征在于，所述初始模型包括第三生成模型，其中，第三生成模型用于将第一端输入的平扫图像转换为增强图像，以及将第二端输入的增强图像转换为平扫图像；

相应的，所述基于所述包括感兴趣区域的样本图像，以及样本图像的类别对初始模型进行训练，得到增强图像生成模型，包括；

迭代执行如下步骤，直到满足结束条件，将训练完成的第三生成模型确定为增强图像生成模型：

将类别为平扫图像的样本图像从所述第三模型的第一端输入至第三生成模型中，得到所述第三生成模型输出的训练增强图像，将所述训练增强图像从所述第三生成模型的第二端输入至所述第三生成模型中，得到所述第三生成模型输出的训练平扫图像，基于所述类别为平扫图像的样本图像和所述训练平扫图像生成第三损失函数，基于所述第三损失函数调整所述第三生成模型；

和/或，

将类别为增强图像的样本数据从所述第三生成模型的第二端输入至第三生成模型中，得到所述第三生成模型输出的训练平扫图像，将所述训练平扫图像从所述第三模型的第一端输入至第三生成模型中，得到所述第三生成模型输出的训练增强图像，基于所述类别为增强图像的样本数据和所述训练增强图像生成第四损失函数，基于所述第四损失函数调整所述第三生成模型。