[发明专利]一种数字病理图像去模糊方法

说明书

本发明提供了一种数字病理图像去模糊方法，其特征在于，包括以下步骤：构建清晰数字病理图像库和模糊数字病理图像库；训练深度神经网络，得到训练好的去模糊网络预测模型；实时输入数字病理图像，对该数字病理图像进行初步的预处理操作；利用去模糊方法对Patch图像集合进行处理，将低维空间域的模糊信息去除；将Patch图像集合送入去模糊网络预测模型中生成预测结果，即获得清晰的Patch图像集合；将清晰的Patch图像集合中各个Patch图像拼接复原至原图大小，获得去模糊后的清晰数字病理图像。本发明将传统图像去模糊处理与深度神经网络相结合，实现对数字病理图像的去模糊，提高图像的清晰度。

技术领域

本发明涉及图像处理技术领域，特别涉及一种数字病理图像去模糊方法。

背景技术

任何医学成像方法的一个重要特征是它能够显示人体的解剖细节。这里使用的细节是指与正常解剖结构和各种病理组织相关的小结构、特征和对象。可视化的最小细节在很大程度上取决于成像过程产生的模糊量。所有医学图像都会存在一些模糊，然而使用一些去模糊的方法能明显提高图像的成像质量，显示更多的图像细节。

医学病理图像的成像方式称为全片数字化成像(WSI)或虚拟显微镜。WSI对数字病理学领域的研究极为重要，它使用数字扫描仪创建整个病理组织的切片图像，并且达到了与光学显微镜一致的图像质量。高分辨率的WSI图像通常会有1600万到2000万像素，但组织区域占比通常较低，扫描过程中会产生因对组织区域对焦不准而得到模糊的病理图像，模糊的病理图像会不利于医生的判断。

目前常见的图像去模糊方法，例如中国专利CN106097267B，该专利提出基于傅里叶变换的图像去模糊方法，但主要针对的是自然图像，并且需要一定的先验知识。中国专利CN103761710B，该专利提出边缘自适应的图像盲去模糊方法，针对现有全变差去模糊算法易模糊图像边缘和细节的问题，主要是去除因相机抖动、离焦、散焦以及目标物运动产生的图像模糊。

发明内容

本发明的目的是：解决数字病理图像组织区域对焦不准产生的图像模糊的问题。

为了达到上述目的，本发明的技术方案是提供了一种数字病理图像去模糊方法，其特征在于，包括以下步骤：

步骤1、构建清晰数字病理图像库和模糊数字病理图像库，清晰数字病理图像库中存储有多种清晰的数字病理图像，模糊数字病理图像库中存储有与清晰的数字病理图像一一对应的模糊的数字病理图像；

步骤2、对模糊数字病理图像库中的数据进行图像预处理，以获得适合的可供去模糊网络预测模型训练的Patch图像集合，随后对Patch图像集合进行去模糊处理操作，之后将经过初步去模糊处理操作的Patch图像集合作为输入、清晰数字病理图像库中相对应的清晰的数字病理图像作为输出训练深度神经网络，得到训练好的去模糊网络预测模型，其中，去模糊网络预测模型结构包括上采样部分及下采样部分：下采样部分将输入的数字病理图像经过若干卷积模块后，实现图像维度降低的同时提取高层特征，得到若干个表示高层特征信息的特征图；上采样部分将下采样部分输出的表示高层特征信息的特征图还原成清晰的数字病理图像，在还原过程中逐步增加高层特征信息的特征图的尺寸直至与原始图像尺寸一致，并且在训练过程中经过梯度下降优化后每个像素尽可能接近作为输出的清晰的数字病理图像；

步骤3、实时输入数字病理图像，对该数字病理图像进行初步的预处理操作，以获得适合去模糊操作的模糊Patch图像集合；

步骤4、利用传统去模糊方法对模糊Patch图像集合进行初步去模糊处理，将低维空间域的模糊信息去除；

步骤5、将经过步骤4处理之后的Patch图像集合送入去模糊网络预测模型中生成预测结果，即获得清晰的Patch图像集合；

步骤6、将清晰的Patch图像集合中各个Patch图像拼接复原至步骤3实时输入的数字病理图像的原图大小，获得去模糊后的清晰数字病理图像。