生成对抗网络对OCT视网膜图像的超分辨率重建

光学相干层析成像(OCT)的质量通常会受到固有散斑噪声和低采样率的影响。为了在短扫描时间内获得高信噪比和高分辨率的OCT图像,本文提出了一种改进的OCT图像超分辨率重建网络模型PPECA-SRGAN。该模型将生成对抗网络(GAN)作为基础结构,可以不依赖配对数据集进行训练。在该模型的生成器残差块之间添加了金字塔注意力模块PANet,同时在判别器中加入了本文新提出的PECA模块,使其更加注重捕捉图像细节,提升模型对图像边缘纹理的重建能力。将所提PPECA-SRGAN模型在OCT图像数据集上进行实验,得到的峰值信噪比和结构相似性指标的平均值较当前三种经典模型的平均值分别约提高了3.5%和5.6%。实验结果表明,所提模型在鲁棒性和OCT图像细节重建方面较经典模型有较大提升。