[发明专利]基于双正则约束的MVCT图像纹理增强方法

权利要求书

1.一种基于双正则约束的MVCT图像纹理增强方法，其特征在于，包括如下：

(1)使用兆伏计算机断层扫描MVCT设备和千伏计算机断层扫描KVCT设备对人体同一部位进行成像，得到多张成对的MVCT图像X和KVCT图像Y，记为{X,Y}，其中，MVCT成像时能量为6MV，KVCT成像时能量为120KV，将多个{X,Y}记为图像数据集D_A；

(2)对图像数据集D_A中每张MVCT和KVCT图像进行归一化操作，即将CT图像的亨氏单位Hu值映射到区间[0,1]；

(3)对图像数据集D_A中每对MVCT图像和KVCT图像进行取块，建立图像块数据集D_P；

(4)搭建基于双正则约束的MVCT图像纹理增强网络N，并初始化：

(4a)根据得到的图像块数据集D_P，通过交叉验证设置一个包括输入层、边缘检测算子层、残差层、反卷积层和输出层的13层网络，构成基于双正则约束的MVCT图像纹理增强网络N，网络的输入为MVCT图像，输出为增强后的MVCT图像；

(4b)用MSRA初始化方法初始化网络的权值W，并将网络的所有偏置b初始化为0；

(5)使用图像块数据集D_P，训练基于双正则约束的MVCT图像纹理增强网络N：

(5a)打乱图像块数据集D_P中图像块对的顺序，依次从D_P中选择MVCT图像的一个训练块X_P和KVCT图像的一个训练块Y_P，记为一个训练样本对{X_P,Y_P}；

(5b)将X_P和Y_P输入到网络N中，经过前向传播，在反卷积层第一次卷积后得到输出结果和第二次卷积后得到输出结果和网络的输出为增强后的MVCT图像块A_T；

(5c)根据两次反卷积的输出结果和计算KVCT和MVCT图像特征图之间的差异，得到图像纹理增强网络N的双正则约束损失L_a；

(5d)根据图像纹理增强网络N的输入X_P、Y_P和增强后的MVCT图像块A_T，分别计算生成式网络GAN的损失L_b和循环生成式网络Cycle GAN的损失L_c；

(5e)对图像纹理增强网络N的双正则约束损失L_a、生成式网络GAN的损失L_b和循环生成式网络Cycle GAN损失L_c进行线性加权，得到图像纹理增强网络N的整体损失：

L_N＝α×L_a+β×L_b+γ×L_c，

其中α为双正则约束损失L_a的权重系数，β为生成式网络GAN的损失L_b的权重系数，γ为循环生成式网络Cycle GAN损失L_c的权重系数；

(5f)根据图像纹理增强网络N的输入X_P、Y_P和增强后的MVCT图像块A_T，计算判别函数D_Y的损失L_d和判别函数D_X的损失L_e；

(5g)在边缘检测算子层使用Laplace卷积核g卷积输入图像纹理增强网络N的MVCT图像训练块X_P，得到该训练块的梯度图G_x；

(5h)更新图像纹理增强网络N的权值W和所有偏置b：

(5h1)根据图像纹理增强网络N的整体损失L_N和判别函数D_Y的损失L_d，使用自适应矩估计优化器对网络的权值W和所有偏置b进行更新；

(5h2)根据图像纹理增强网络N的整体损失L_N和判别函数D_X的损失L_e，使用自适应矩估计优化器对网络的权值W和所有偏置b进行更新；

(5i)重复以上步骤(5a)到(5h)，直到达到网络训练的最大迭代次数T＝5000，得到训练好的MVCT图像纹理增强网络N_T；

(6)将一张完整的MVCT图像X_T输入到训练好的图像纹理增强网络N_T中，经过该增强网络N_T的前向传播，得到增强后的MVCT图像A_T。