通过具有各向异性和双卷积层的卷积神经网络对视网膜光学相干断层成像进行模糊处理

光学相干断层扫描（OCT）系统中的各种图像预处理任务涉及逆转降级效果（例如，去模糊）。 当前的去模糊研究主要集中在如何使用去卷积算子建立合适的降级模型。 但是，基于模型的解决方案在许多情况下可能无法很好地工作。 为了解决这个问题，作者提出了一种非模型架构，称为深度卷积神经网络，以解决无参数情况。 提出的解决方案采用深度学习策略来弥合传统的基于模型的方法与神经网络体系结构之间的差距。 在视网膜OCT图像上进行的实验表明，与基于模型的最新OCT去模糊方法相比，该方法具有更好的性能。