公开(公告)号：CN110796599B

公开(公告)日：2023-08-01

申请号：CN201910977225.5

申请日：2019-10-15

Applicant: 哈尔滨工程大学

Inventor： 郑丽颖 ,  邴鑫阳 ,  赵硕 ,  李忠晓 ,  张钰渤 ,  张晏博

IPC: G06T3/40

Abstract: 本发明属于图像重建领域，特别是涉及一种视网膜图像超分辨率重建的通道加权生成式对抗网络方法。本发明包括：1)预处理视网膜图像数据集；2)在原始SRGAN模型中加入SENet，构建基于通道加权的生成网络和判别网络；3)设计新的融合损失函数，用于保留有用的低频信息和局部纹理细节信息；4)用训练数据集训练模型；5)使用训练好的生成模型对视网膜图像进行重建，得到相应的超分辨率重建图像。本发明重建图像与原始视网膜图像亮度更加一致，重建后的视网膜图像的细节信息丰富。

公开(公告)号：CN110796599A

公开(公告)日：2020-02-14

申请号：CN201910977225.5

申请日：2019-10-15

Applicant: 哈尔滨工程大学

Inventor： 郑丽颖 ,  邴鑫阳 ,  赵硕 ,  李忠晓 ,  张钰渤 ,  张晏博

IPC: G06T3/40

Abstract: 本发明属于图像重建领域，特别是涉及一种视网膜图像超分辨率重建的通道加权生成式对抗网络方法。本发明包括：1)预处理视网膜图像数据集；2)在原始SRGAN模型中加入SENet，构建基于通道加权的生成网络和判别网络；3)设计新的融合损失函数，用于保留有用的低频信息和局部纹理细节信息；4)用训练数据集训练模型；5)使用训练好的生成模型对视网膜图像进行重建，得到相应的超分辨率重建图像。本发明重建图像与原始视网膜图像亮度更加一致，重建后的视网膜图像的细节信息丰富。