[发明专利]一种基于参考跨序列图像的MRI图像复原方法

权利要求书

1.一种基于参考跨序列图像的MRI图像复原方法，其特征在于步骤如下：

步骤1：制作训练集

取N张参考图像，每张记为Reference_Image1,Reference_Image2,...Reference_ImageN；取N张真值图像，每张记为GT_Image1,GT_Image2,...,GT_ImageN；

步骤1.2：将图像GT_Image1,GT_Image2,...,GT_ImageN分别加入角度θ为45，长度l为12的运动模糊，记为模糊图像Blur_Image1,Blur_Image2,...Blur_ImageN；

步骤1.3：将图像Blur_Image1,Blur_Image2,...Blur_ImageN加入sigma值为20的莱斯噪声，记为退化图像LQ_image1,LQ_image2,...LQ_imageN；

步骤1.4：选取N张退化图像，对应真值图像，对应参考图像作为训练集，记为

步骤2：训练网络

步骤2.1：将训练集输入到网络；

步骤2.2：约定真值图像来自清晰的真值域，参考图像来自参考域；

步骤2.3：对输入退化图像将残差密集块作为基础卷积模块来提取浅层特征F_S，对参考图像同样提取浅层特征F_RS；

步骤2.4：将参考图像分支提取的特征F_RS和从退化图像提取的特征F_S通过特征融合模块进行特征融合，并且再通过由多个卷积层组成的重建模块恢复出清晰图像参考图像分支也通过重建模块重建出相应图像

步骤2.5：参考图像分支重建图像和真值图像输入到域判别器，在域判别器作用下，将参考图像域转到真值域，在特征空间减小两者的差异；

步骤3：求取损失函数值并确定网络模型

步骤3.1：为参考图像分支重建图像和真值添加生成对抗损失；为从退化图像恢复出的清晰图像和真值图像添加L2 Loss；

步骤3.2：计算总损失函数值Loss；若迭代次数达到500次以上，则网络停止训练，保存最后一次迭代后得到的训练模型为网络模型；否则再一次进入步骤2，循环重复训练。