一种用于光声成像有限视角补偿和去伪影的图像重构方法

摘要

本发明公开一种用于光声成像有限视角补偿和去伪影的图像重构方法，其特征在于，将实时获得的有限视角数据输入训练后的深度学习网络架构获得全视角图像重构结果。本发明通过相同的标签学习，将物体与伪影背景分离，从而实现超越原有标签质量的重构结果。同时通过四分之一的视角数据作为输入，得到全视角的重构结果，解决了有限视角的补偿。本发明提出了一种基于深度学习的重构框架，通过巧妙的方式实现超越监督标签的重构结果，所提算法仅通过粗糙的重构结果作为训练标签也可以获取高质量的重构结果。