[发明专利]用于LDCT图像去噪的高频敏感GAN网络

摘要

本发明属于CT图像处理技术领域，具体涉及一种用于LDCT图像去噪的高频敏感GAN网络，采用两级嵌套生成器，将LDCT图像分解成高频和低频两部分进行处理，一级生成器采用U‑Net处理高频部分，生成的高频图像与低频图像叠加作为二级生成器的输入，从而生成最终去噪图像，在一级生成器中加入了衡量高频网络生成的高频图像与NDCT高频分量之间L1距离的细节损失LD项来约束高频部分生成的图像质量，在二级生成器中加入衡量二级U‑Net网络生成的去噪图像与NDCT图像之间L1距离的LG项，将inception模块融入到判别器网络中，用于提取真假图片的多尺度特征，使得去噪后的图像纹理细节以及清晰度更接近于真实图像。

主权项

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：/n一、建立去噪模型，X表示为LDCT图像，Y表示为NDCT图像；/n二、构建去噪网络框架：/na、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：/n /n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；/nb、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。/n