申请/专利权人：南开大学

申请日：2023-12-12

公开（公告）日：2024-01-30

公开（公告）号：CN117474794A

主分类号：G06T5/70

分类号：G06T5/70;G06N3/0475;G06N3/094;G06N3/088

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.20#实质审查的生效;2024.01.30#公开

摘要：本发明公开了一种无监督的OCTenface图像优化方法，主要包括构建OCTenface图像优化数据集、构建OCTenface图像优化模型以及基于OCTenface图像优化模型实现OCTenface图像优化三个步骤。本发明利用循环生成对抗策略学习OCTenface高质量图像和OCTenface低质量图像间的映射关系，降低OCTenface图像噪声，改善OCTenface图像离焦，优化OCTenface图像质量。本发明是一种无监督的数字优化方式，无需依赖配对数据即可有效地优化OCTenface图像质量。

主权项：1.一种无监督的OCTenface图像优化方法，其特征在于，包括如下步骤：步骤1：构建OCTenface图像优化数据集；所述OCTenface图像优化数据集是指由OCTenface低质量图像与OCTenface高质量图像对构成的数据集；具体构建方法：步骤1.1：构建散斑调制OCT系统；步骤1.2：利用所述散斑调制OCT系统对样品扫描成像，获得样品的散斑调制OCT图像，从中选取焦深范围内的散斑调制OCTenface图像作为OCTenface高质量图像，分别扫描不同样品或样品的不同位置获得一组共N张OCTenface高质量图像，所述N是大于等于100的自然数；步骤1.3：利用所述散斑调制OCT系统采集获得OCT图像，从中选取离焦的OCTenface图像作为所述OCTenface低质量图像，分别扫描不同样品或样品的不同位置获得一组共M张OCTenface低质量图像，所述M是大于等于100的自然数；步骤1.4：从所述的M张OCTenface低质量图像和N张OCTenface高质量图像中各随机选取一张低质量图像和高质量图像构成图像对，共选取Q次，获得Q个图像对，组成所述OCTenface图像优化数据集，所述Q是大于等于100的自然数；步骤2：构建OCTenface图像优化模型；利用所述OCTenface图像优化数据集，通过无监督的深度学习方法学习OCTenface低质量图像和OCTenface高质量图像间的映射关系，构建所述OCTenface图像优化模型；步骤3：基于OCTenface图像优化模型实现OCTenface图像优化；对于待处理的OCTenface低质量图像，输入到所述OCTenface图像优化模型，获得优化的OCTenface图像，实现OCTenface图像质量的改善，优化的OCTenface图像质量接近OCTenface高质量图像的图像质量。

全文数据：

权利要求：

百度查询： 南开大学 一种无监督的OCT en face图像优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD