[发明专利]用于LDCT图像去噪的高频敏感GAN网络

权利要求书

1.用于LDCT图像去噪的高频敏感GAN网络，其特征在于，具体结构如下：

一、建立去噪模型，X表示为LDCT图像，Y表示为NDCT图像；

二、构建去噪网络框架：

a、采用两级生成器结构的生成器，生成器以GAN为基线模型，采用两级嵌套生成器，将LDCT图像分解为高频分量和低频分量，一级U-Net处理LDCT高频图像X_H作为一级生成器，二级U-Net将一级生成器的输出高频图像与LDCT低频图像X_L叠加作为二级生成器的输入，具体可表示为：

其中，U被定义为高频图像特征一级U-Net学习的映射关系，G被定义为图像空间映射二级U-Net，为去噪后图像；

b、布置判别器，生成器生成的图像与对应的NDCT图像分别输入判别器进行判别，采用多尺度提取图像特征的inception判别器进一步约束生成器，提升整个去噪网络性能。

2.根据权利要求1所述的用于LDCT图像去噪的高频敏感GAN网络，其特征在于，在一级生成器中加入L_D项来衡量一级U-Net生成的高频图像与NDCT高频分量Y_H之间的L₁距离，细节损失L_D项用来约束一级U-Net生成的图像质量，在二级生成器中加入L_G项来衡量二级U-Net生成的去噪图像与NDCT图像之间的L₁距离，即约束LDCT图像去噪后的图像质量。

3.根据权利要求2所述的用于LDCT图像去噪的高频敏感GAN网络，其特征在于，L_D项的损失函数与L_G项的损失函数表达如下：

其中，X_H为LDCT高频图像，X_L为LDCT低频图像，Y_H为NDCT高频图像，Z为作为生成器输入的高斯噪声。