[发明专利]图像降噪模型的训练方法、装置、电子设备和存储介质

说明书

本说明书实施例公开了一种图像降噪模型的训练方法、装置、电子设备以及计算机可读存储介质。该方法包括：将带噪声原始图像输入循环一致性生成对抗网络的第一生成模型，生成第一无噪声生成图像；将第一无噪声生成图像输入循环一致性生成对抗网络的第二生成模型，生成第二带噪声生成图像；将无噪声原始图像输入循环一致性生成对抗网络的第二生成模型，生成第一带噪声生成图像；将第一带噪声生成图像输入循环一致性生成对抗网络的第一生成模型，生成第二无噪声生成图像；对循环一致性生成对抗网络进行优化，以得到训练好的图像降噪模型。

技术领域

本说明书实施例涉及计算机技术领域，尤其涉及一种图像降噪模型的训练方法、装置、电子设备以及计算机可读存储介质。

背景技术

磁共振成像(Magnetic Resonance Imaging，MRI)技术是利用核磁共振现象重建出人体组织图像的技术，可以提供丰富的人体组织图像信息且对人体没有电离损伤，是我国广泛应用的临床医学检查手段。

由于磁共振成像机理、扫描速度和目标运动等多方面因素的限制，磁共振成像扫描仪采集的图像可能代入明显的噪声，得到的图像可能不能满足临床诊断的标准，从而降低了临床诊断的准确性。因此，为了在快速成像的同时保证图像质量，对图像进行降噪非常必要。

目前，采用的深度学习方法主要学习从带噪声图像到无噪声图像这一图像降噪方向的映射关系，但这种学习方式学习效率不高，生成的降噪图像质量也相对较低。

发明内容

本说明书实施例提供一种图像降噪模型的训练方法、装置、电子设备以及计算机可读存储介质，以解决图像降噪质量相对较低、深度学习方式学习效率不高的问题。

本说明书实施例采用下述技术方案：

一种图像降噪模型的训练方法，包括：获取图像样本集；其中，所述图像样本集包括：带噪声原始图像和与所述带噪声原始图像对应的无噪声原始图像；将所述带噪声原始图像输入循环一致性生成对抗网络的第一生成模型，生成第一无噪声生成图像；将所述第一无噪声生成图像输入所述循环一致性生成对抗网络的第二生成模型，生成第二带噪声生成图像；将所述无噪声原始图像输入所述循环一致性生成对抗网络的第二生成模型，生成第一带噪声生成图像；将所述第一带噪声生成图像输入所述循环一致性生成对抗网络的第一生成模型，生成第二无噪声生成图像；将所述第一无噪声生成图像和所述无噪声原始图像输入所述循环一致性生成对抗网络的第一判别模型，得到所述第一无噪声生成图像是否为生成图像类别的第一判别结果；将所述第一带噪声生成图像和所述带噪声原始图像输入所述循环一致性生成对抗网络的第二判别模型，得到所述第一带噪声生成图像是否为生成图像类别的第二判别结果；根据所述第一判别结果、所述第二判别结果、所述第一无噪声生成图像、所述无噪声原始图像、所述第二带噪声生成图像、所述第二无噪声生成图像和所述带噪声原始图像，对所述循环一致性生成对抗网络进行优化，以得到训练好的图像降噪模型。

一种基于所述图像降噪模型的训练方法的图像降噪方法，所述图像降噪方法包括：获取带噪声原始图像；将所述带噪声原始图像输入至训练好的图像降噪模型中，以生成降噪后的图像。