[发明专利]用于超声图像编解码间的画质补偿方法及其卷积神经网络

权利要求书

1.一种用于超声图像编解码间的画质补偿方法，其特征在于，包括：

获取解压缩后的超声图像；

将所述超声图像在各通道上的数据，分别与卷积核进行卷积得到第一层特征图形；

将所述第一层特征图形中的数据经过激活函数进行处理，得到第二层特征图形；

根据所述第二层特征图形，确定所述超声图像中出现数据残缺的像素位置；

对所述第二层特征图形进行升采样，预测超声图像中出现数据残缺像素位置处的像素值；

将预测的所述像素值插入到对应出现数据残缺的像素位置处；

输出补偿超声图像。

2.如权利要求1所述的用于超声图像编解码间的画质补偿方法，其特征在于，预先进行神经网络训练，确定所述卷积核。

3.如权利要求2所述的用于超声图像编解码间的画质补偿方法，其特征在于，所述预先进行神经网络训练，确定所述卷积核包括：

获取海量具有映射关系的压缩前图像和解压后图像，构建训练样本集；

基于所述训练样本集，训练神经网络；

在训练时观察训练样本集上的损失函数情况，当训练损失函数稳定下降且不再提升时，确定卷积核。

4.如权利要求1所述的用于超声图像编解码间的画质补偿方法，其特征在于，所述将所述超声图像在各通道上的数据，分别与卷积核进行卷积得到第一层特征图形，包括：

所述卷积核按照预设步长，在所述超声图像的各通道上移动，对所述超声图像在各通道的数据进行卷积；

将卷积结果加上偏置矩阵得到所述第一层特征图形。

5.如权利要求4所述的用于超声图像编解码间的画质补偿方法，其特征在于，在所述获取超声图像之后，在所述将所述超声图像在各通道上的数据，分别与卷积核进行卷积得到第一层特征图形之前，还进行：

在各通道上的超声图像边缘扩充至少一圈像素，使得各通道的帧宽度是预设步长的整数倍；

向扩充的像素中填充数据。

6.如权利要求5所述的用于超声图像编解码间的画质补偿方法，其特征在于，所述向扩充的像素中填充的数据为0。

7.一种用于超声图像编解码间画质补偿的卷积神经网络，其特征在于，从卷积神经网络的输入端至输出端，依次设置有：

输入层，所述输入层用于获取解压缩后的超声图像；

卷积层，所述卷积层包括卷积核，所述卷积层用于将所述超声图像在各通道上的数据，分别与卷积核进行卷积得到第一层特征图形；

激活函数层，所述激活函数层用于将所述第一层特征图形中的数据经过激活函数进行处理，得到第二层特征图形；

池化层，所述池化层用于根据所述第二层特征图形，确定所述超声图像中出现数据残缺的像素位置；

升采样层，所述升采样层用于对所述第二层特征图形进行升采样，预测超声图像中出现数据残缺像素位置处的像素值，将预测的所述像素值插入到对应出现数据残缺的像素位置处；

输出层，所述输出层用于输出补偿超声图像。

8.如权利要求7所述的用于超声图像编解码间画质补偿的卷积神经网络，其特征在于，所述卷积层和激活函数层均有多层，且卷积层和激活函数层交替设置。

9.如权利要求7所述的用于超声图像编解码间画质补偿的卷积神经网络，其特征在于，所述激活函数层采用线性整流函数、泄露线性整流函数、参数化线性整流函数中的任意一种。

10.如权利要求7所述的用于超声图像编解码间画质补偿的卷积神经网络，其特征在于，所述池化层包括最大池化层或平均池化层。