[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

说明书

本发明涉及超声图像处理技术领域，具体涉及一种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。其方法包括：获取解压缩后的超声图像；将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；根据第二层特征图形，确定超声图像中出现数据残缺的像素位置；对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。其中卷积神经网络包括：输入层、卷积层、激活函数层、池化层和升采样层。本发明能够解决现有技术中图像数据损失随着数据量的变小而增大的问题。

技术领域

本发明涉及超声图像处理技术领域，具体涉及一种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。

背景技术

在视频传输、远程视频等场景中，图像会占用大量网络带宽，造成传输速度慢，面对这样的问题，图像压缩是关键技术。在包括视频会议、遥感、文本和医学图像处理过程中，通常采用图像压缩编码，以降低图像的数据量，当压缩比越大时，需要传输的数据量越小，从而降低对网络带宽的要求。

虽然图像压缩技术能使得需要传输图像的数据量变小，然而随之而来的问题是数据损失随着数据量的变小而增大，从而使得压缩解码后的图像质量变差。

发明内容

本发明提供一种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，用以解决现有技术中图像数据损失随着数据量的变小而增大的问题。

根据本发明提供的技术方案，作为本发明的第一方面，提供一种用于超声图像编解码间的画质补偿方法，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。

可选的，预先进行神经网络训练，确定所述卷积核。

可选的，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。

可选的，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。

可选的，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。

可选的，所述向扩充的像素中填充的数据为0。