基于结构保持生成对抗网络的图像去噪

为了去除频域光学相干断层扫描（SD-o℃T）中的散斑噪声，提出了一种结构保持生成对抗网络模型，可以无监督地从SD-o℃τ图像合成高质量的增强深部成像光学相干断层扫描（EυI-oCT）图像。该模型基于循环生成对抗网络结构学习无配对SD-OCT和EDI-oCT图像之间的域映射关系。为了克服循环生成对抗网络生成图像的结构性差异问题，模型利用连续帧之间的相似性引入全局结构损失，保证了图像的全局结构一致性；同时通过模态无关邻域描述符引入局部结构损失，保持了图像的解剖结构细节。在50组Cirrus-OCT数据集上进行去噪的实验结果表明，该模型的PSNR值为29.03dB，SSIM值为0.82，EPI值为0.50，均优于现有模型。