基于金字塔长程Transformer的OCT图像超分辨率重建

光学相干层析成像（OCT）在眼科方面的应用通常受到散斑噪声和低分辨率的影响。目前主流的OCT图像超分辨率重建方法多基于卷积神经网络，往往存在成像质量低、图像过度平滑和边缘细节缺失等情况。本文提出了基于Transformer的OCT视网膜图像超分辨率网络——TESR。TESR加入了边缘增强模块，以加强边缘信息对模型的影响，提高视网膜各层边缘的清晰度；新提出的金字塔长程Transformer模块融合了局部特征和全局表示，对图像的内部信息进行长程建模，能更有效地学习更丰富的图像特征。实验结果表示：本文所提TESR模型在峰值信噪比和结构相似度这两个指标上比其他经典模型均有一定程度的提高，在学习感知图像块相似度这一指标上表现优秀，同时在主观视觉质量上也有明显提高，泛化能力较强。