[发明专利]一种基于深度颜色迁移的医学图像着色方法

摘要

本发明请求保护一种基于深度颜色迁移的医学图像着色方法，包括：随机初始化一张初始图像，利用深度神经网络结合颜色迁移思想对医学图像进行着色：通过深度神经网络提取医学图像、参考图像和初始图像的深度特征，然后构造内容损失、颜色损失、空间关系损失、纹理细节损失，计算总损失关于初始图像像素的梯度，利用此梯度迭代更新初始图像直到它同时匹配参考图像的颜色和目标图像的纹理结构。然后利用初始图像和原始医学图像在YUV空间中颜色信息和亮度信息重新构成彩色的医学图像。本发明能够生成具有颜色信息的医学图像，其具有原始医学图像的纹理结构，并保持原有的诊断意义。

主权项

1.一种基于深度颜色迁移的医学图像着色方法，其特征在于，包括以下步骤：/n1)、获取原始医学图像，并将原始医学图像缩小成一张固定大小的图像作为输入到神经网络中的目标图像，并初始化一张初始图像用作网络迭代更新的对象，通过K均值聚类算法得到参考图像和目标图像的分割图像用作后续构建颜色损失函数，通过人为手动选择一张彩色的图像作为参考图像，原始图像为需要着色的灰度医学图像；目标图像与原始图像内容一致但大小不一；参考图像为更新初始图像提供颜色参考；经过网络更新初始图像最终得到输出图像与目标图像的纹理结构保持一致；/n2)、将初始图像、参考图像和目标图像输入到深度神经网络中，通过深度神经网络其中的六层卷积层分别提取目标图像、参考图像和初始图像的深度特征；/n3)、利用提取的深度特征构建总损失项，总损失项通过利用内容损失和纹理细节损失来约束图像内容纹理，和利用空间关系损失和颜色损失来约束图像颜色，总损失包括内容损失、颜色损失、空间关系损失及纹理细节损失；/n4)、通过损失函数的梯度公式，根据误差反向传播算法求得总损失关于初始图像的梯度，然后通过基于梯度的优化方法对深度神经网络进行优化，迭代更新初始图像；/n5)、对最终输出的初始图像进行图像放大到与原始医学图像大小，并转换到YUV颜色空间，将原始医学图像也转换到YUV颜色空间；/n6)、提取原始医学图像Y通道的值，以及输出的初始图像的UV通道的值，结合Y通道和UV通道的值得到一张彩色的医学图像，并转换到RGB颜色空间。/n