[发明专利]一种基于卷积神经网络的μ-CT图像重构方法在审
| 申请号： | 201910159076.1 | 申请日： | 2019-03-04 |
| 公开（公告）号： | CN109903229A | 公开（公告）日： | 2019-06-18 |
| 发明（设计）人： | 王玉柱 | 申请（专利权）人： | 科新（杭州）能源环境科技有限公司 |
| 主分类号： | G06T3/40 | 分类号： | G06T3/40;G06T7/30;G06N3/04 |
| 代理公司： | 合肥汇融专利代理有限公司 34141 | 代理人： | 李帆 |
| 地址： | 311200 浙江省杭州市萧山区萧山*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于卷积神经网络的μ‑CT图像重构方法，包括步骤：步骤一、训练图像预处理，即将三维的μ‑CT图像和二维的扫描电镜图像进行图像配准，再对低分辨率的μ‑CT图像进行图像插值，获得训练图像；步骤二、获取训练数据集，根据步骤一获取多个训练图像作为训练样本，将所述训练样本组成一个训练数据集；步骤三、训练图像，将所述训练数据集中的训练图像输入预设的卷积神经网络模型进行训练，获取相应的模型参数；步骤四、图像重构，即将需要重构的低分辨率μ‑CT图像的所有体素点，利用经过训练的所述卷积神经网络模型逐个评价，获取其对应的相类型，通过所述相类型重构一个高分辨率图像。 | ||
| 搜索关键词： | 训练图像 卷积神经网络 重构 训练数据集 低分辨率 训练样本 预处理 高分辨率图像 扫描电镜图像 模型参数 图像配准 图像重构 训练数据 重构的 二维 体素 预设 三维 图像 | ||
【主权项】：
1.一种基于卷积神经网络的μ‑CT图像重构方法，其特征在于，所述方法包括步骤：步骤一、训练图像预处理，即将三维的μ‑CT图像和二维的扫描电镜图像进行图像配准，再对低分辨率的μ‑CT图像进行图像插值，获得训练图像；步骤二、获取训练数据集，根据步骤一获取多个训练图像作为训练样本，将所述训练样本组成一个训练数据集；步骤三、训练图像，将所述训练数据集中的训练图像输入预设的卷积神经网络模型进行训练，获取相应的模型参数；步骤四、图像重构，即将需要重构的低分辨率μ‑CT图像的所有体素点，利用经过训练的所述卷积神经网络模型逐个评价，获取其对应的相类型，通过所述相类型重构一个高分辨率图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于科新（杭州）能源环境科技有限公司，未经科新（杭州）能源环境科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910159076.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于卷积神经网络的图像超分辨率重建方法
- 下一篇：医疗除雾图像校正方法
