检索结果-南通市图书馆

作者：耿劭锋华北电力大学

学位级别：硕士

由于输电线路长期在野外工作,输电线路上的螺栓受环境及自身张力的影响,易产生缺销、螺母松动、螺母缺失等缺陷,影响输电线路的安全运行,所以必须对输电线路进行智能化检测,实时有效地识别出螺栓缺陷并排除隐患。但由于螺栓尺寸小,其航... 详细信息

由于输电线路长期在野外工作,输电线路上的螺栓受环境及自身张力的影响,易产生缺销、螺母松动、螺母缺失等缺陷,影响输电线路的安全运行,所以必须对输电线路进行智能化检测,实时有效地识别出螺栓缺陷并排除隐患。但由于螺栓尺寸小,其航拍采集的图像极易产生模糊现象,直接进行缺陷分类效果不佳,因此本文提出一种二级处理的方式,先对螺栓进行图像超分辨率处理再进行缺陷分类。针对输电线路巡检采集的螺栓图像存在模糊、分辨率低等问题,本文根据螺栓之间相似度较高的特点,提出了一种自适应特征迁移的螺栓图像超分辨率处理方法。本方法首次将特征迁移引入螺栓图像超分中,先对比低分辨率图像与清晰参考图像的特征区域,将图像之间相似度高的区域进行特征迁移,并提出相似度矫正模块,根据特征的相似度自适应调整迁移特征的比例。实验对比了不同超分模型的螺栓图像超分结果,结果显示本方法的螺栓超分图像更清晰,PSNR、SSIM指标更优。为进一步提升图像质量,本文在原有损失函数中加入对抗损失函数和感知损失函数,并在感知损失函数中加入迁移特征相似度的约束,保证迁移特征的准确性。实验对比了不同损失函数下螺栓图像的超分结果,实验结果表明,在本文构建的损失函数下图像视觉效果更佳;此外,超分前后螺栓图像的缺陷识别实验对比结果显示,超分后螺栓的缺陷识别准确率提升了3.61%。充分验证了本方法的有效性。为了更好地提取螺栓表面特征,本文以WRN为骨干网络提出了一种联合双注意力的螺栓缺陷分类方法。首先通过SENet注意力压缩特征图的空间维度,获取通道维度的全局特征,以加权的方式增强网络对重要信息的关注度;再嵌入协同注意力将增强之后的特征图分解为两个一维的特征向量,在一个空间方向上建立长期的依赖关系,另一个方向上保存精准的位置信息,利用特征的位置关系帮助网络更准确地提取关键特征信息,从而提升分类的准确率。实验结果表明,与嵌入注意力前相比,本方法的螺栓分类准确率提升了1.26%。

关键词：图像超分辨率特征迁移损失函数螺栓缺陷分类双注意力

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度卷积神经网络的医学图像去噪研究

基于深度卷积神经网络的医学图像去噪研究

作者：陈长胜长江大学

学位级别：硕士

自计算机断层扫描（Computed Tomography,CT）设备问世以来,因其扫描快、费用低等优点,而被广泛应用于临床医学诊断领域。随着人民健康意识的增强,人们普遍希望降低CT辐射影响,但辐射剂量的降低,会造成图像质量的严重下降,进而产生误诊... 详细信息

自计算机断层扫描（Computed Tomography,CT）设备问世以来,因其扫描快、费用低等优点,而被广泛应用于临床医学诊断领域。随着人民健康意识的增强,人们普遍希望降低CT辐射影响,但辐射剂量的降低,会造成图像质量的严重下降,进而产生误诊现象。针对低剂量CT图像去噪,传统方法通常会导致CT图像边缘模糊、细节丢失等问题的产生,不易实现噪声去除与细节信息保留相平衡的目的。由于深度卷积神经网络在物体识别、图像分类等应用上的成功,以及其强大的特征提取能力,因此,本论文将其应用于低剂量CT图像降噪,把低剂量CT图像的降噪过程视为一个复杂的非线性问题的拟合过程,旨在提高低剂量CT图像质量。本文的主要研究内容如下:（1）提出了基于双残差的卷积神经网络的医学图像去噪方法。网络结构主要由类Inception结构和双残差模块组成,以低剂量CT图像作为输入、正常剂量CT图像作为标签,通过该网络结构,经过反复训练,拟合二者间的复杂关系,网络训练完成后,即可得到去噪模型,预测低剂量CT图像的降噪图像。在网络结构设计中,首先,利用带有3种不同尺寸的卷积核的类Inception结构提取输入图像的特征信息,并融合不同特征信息输出到双残差模块;然后,利用双残差模块,进一步提取图像的特征信息;最后,采用1组3?3的卷积核,改变图像通道数,用于输出预测图像。该方法相较传统方法而言,在整幅图像上,PSNR至少提高1.03d B,SSIM至少提高0.0182。（2）提出了基于双注意力的卷积神经网络的医学图像去噪方法。以往的基于神经网络的去噪模型,往往不关注图像在通道、空间两个维度的不同特性,直接对图像进行卷积操作,为此设计了基于双注意力的网络结构。在网络结构设计中,首先,利用类Inception结构提取图像特征信息;然后,通过双注意力模块（空间注意力模块和通道注意力模块）进一步提取图像特征信息,其中的空间注意力模块选择性地聚集每个位置的特征信息,通道注意模块选择性地强调每个通道的特征信息,再将这两个注意模块的输出相加,改进特征信息表示;最后,采用1组3?3的卷积核,改变图像通道数,用于输出预测图像。同传统方法相比,就整幅图像而言,该方法在PSNR上至少提升1.38d B,在SSIM上至少提升0.0069。本文在仿真数据集上分别进行实验,通过实验对比发现,本文提出的两个方法不仅在噪声抑制方面表现较好,而且在细节保留方面表现出较大优势。在降低辐射影响的同时,本文所提出的方法具有良好的实用性,能较大程度上提高图像的观看质量,对于医学图像的临床应用和后续医疗诊断具有重大意义。

关键词：卷积神经网络医学图像去噪双残差双注意力

基于深度学习的肺癌及卵巢癌CT图像自动分割方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的肺癌及卵巢癌CT图像自动分割方法研究

作者：周高希天津工业大学

学位级别：硕士

肺癌和卵巢癌对人类的生命健康具有严重威胁,是医学界一直致力于治疗的恶性肿瘤。从CT图像中精确地勾画出肺癌和卵巢癌的病变区域有利于医生提高诊断效率。临床中,这项费时费力的工作是由经验丰富的影像科医生手动完成。随着计算机技术... 详细信息

肺癌和卵巢癌对人类的生命健康具有严重威胁,是医学界一直致力于治疗的恶性肿瘤。从CT图像中精确地勾画出肺癌和卵巢癌的病变区域有利于医生提高诊断效率。临床中,这项费时费力的工作是由经验丰富的影像科医生手动完成。随着计算机技术的发展出现了许多辅助医生从CT图像中分割病灶的方法,但这些方法存在分割精度低和细节分割差的问题。为了应对上述问题,本文分别针对肺癌和卵巢癌CT图像研究了基于深度学习的自动分割算法。主要工作如下:(1)针对肺癌CT图像中病变区域的大小和形状差异大以及标注数据量少导致分割精度低的问题,提出一种用于肺癌分割的双注意力半监督学习网络。首先,在U-Net的编码阶段加入残差-密集模块进行特征提取,以尽可能多地保留浅层特征。其次,在编码阶段末端利用包含位置注意力和通道注意力的双注意力模块整合同一类别特征的语义相关性,增强目标的特征表达。最后,采用双路一致性半监督学习方法,构建分割图预测和有符号距离图预测之间的一致性比较,使模型同时使用标注数据和无标注数据进行训练,大幅提高模型分割性能。利用肺癌数据集进行测试,结果表明所提方法的Dice相似系数和杰卡德系数分别达到0.8432和0.7331,优于当前典型的分割算法。(2)针对现存分割算法对卵巢癌病灶细节分割不佳的问题,提出一种双编码多尺度特征融合网络用于卵巢癌分割。首先,设计一种多分辨率输入的双编码路径结构来提取不同的特征,高分辨率图像输入由单密集聚合模块构成的路径,低分辨率图像输入由残差模块构成的路径。其次,提出一种多尺度特征融合模块生成更高级的特征。该模块通过构建不同编码路径之间的特征融合,进一步增加特征信息量。最后,在解码阶段的特征串联后加入坐标注意力模块,使该阶段能够准确捕捉到目标的有效信息。利用卵巢癌数据集进行测试,结果表明提出模型的Dice相似系数和杰卡德系数分别为0.9161和0.8487,并且可以明显分割出病灶细节,优于现存的医学图像分割算法。此外,所提出模型在肝脏分割和皮肤病变分割的泛化实验中也表现出优越性。

关键词：肺癌卵巢癌双注意力多尺度特征融合病灶分割

基于Transformer感知特征增强的全参考图像质量评价算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Transformer感知特征增强的全参考图像质量评价算法研究

作者：陈致远广西师范大学

学位级别：硕士

随着智能手机的普及和社交网络平台的广泛应用,越来越多的用户在微信、微博和小红书等平台上分享各种各样的数字图像。因此,数字图像已逐渐成为信息交互的一种主流形式。由于图像成像设备和图像通信系统尚不完善,数字图像在采集、传输... 详细信息

随着智能手机的普及和社交网络平台的广泛应用,越来越多的用户在微信、微博和小红书等平台上分享各种各样的数字图像。因此,数字图像已逐渐成为信息交互的一种主流形式。由于图像成像设备和图像通信系统尚不完善,数字图像在采集、传输和显示等过程中会出现图像质量失真现象,影响用户的体验。如何用计算的方法准确地评价图像质量失真程度已成为图像处理和计算机视觉研究领域的一种重要任务。通常,图像质量评价可分为全参考图像质量评价、半参考图像质量评价和无参考图像质量评价三种类型,其中全参考图像质量评价是在参考图像和失真图像均为已知的前提下对失真图像质量进行定量评价。由于深度学习在自然语言处理、图像分类、目标检测等任务取得巨大成功,因此许多研究人员利用深度学习开展了一系列图像质量评价研究工作。运用深度神经网络设计全参考图像质量评价算法是当前图像质量评价研究的一个重要课题。本文利用Transformer网络,同时结合特征聚合、注意力机制、孪生网络等理论和技术,开展全参考图像质量评价研究,设计出两种高效的质量评价新算法,即基于多层次Transformer特征聚合的全参考图像质量评价算法、统一双注意力和孪生Transformer网络的全参考图像质量评价算法。本文的主要结果概括如下:(1)设计基于多层次Transformer特征聚合的全参考图像质量评价算法通常,图像质量失真直接反应在图像像素的信息损失,不同失真类型所造成的信息损失往往不同。因此可通过量化图像的颜色、纹理、边缘、局部结构特征等信息的损失,从而有效反映出图像质量失真程度。为此,本文利用Transformer网络和特征聚合技术,设计一种基于多层次特征聚合的全参考图像质量评价算法。该算法利用双路视觉Transformer网络提取多级特征,通过考虑参考图像和失真图像之间的颜色、纹理、形状等低级特征以及带语义信息的高级特征之间的关系,得到多层次感知差异特征。然后通过设计注意力聚合器对差异特征进行聚合,使得网络更关注特征图中的重要特征并抑制不重要特征,从而提高失真敏感性。最后使用双分支预测头的策略来预测最终质量得分。此外,还设计联合均方误差、KL散度和质量分数排名次序的损失函数,以确保网络训练稳定并且能有效地学习图像感知质量。实验结果表明该算法在传统失真数据集上优于一些先进的全参考图像质量评价算法。此外,该算法在生成式对抗网络(GAN)合成图像数据集上也达到较好的性能。(2)提出统一双注意力和孪生Transformer网络的全参考图像质量评价算法现有全参考图像质量评价算法在评估传统失真图像和GAN合成失真图像方面还存在局限性。为此,本文基于Transformer网络和双注意力等技术,提出一种统一双注意力和孪生Transformer网络的全参考图像质量评价算法。该项工作的一个重要贡献是设计了一个联合孪生Transformer网络和特征融合网络的空域注意力模块。该注意力模块能够模拟人类视觉系统,使视觉注意力集中在重要区域的特征,同时能有效地将参考图像和失真图像之间的感知差异映射成一种潜在距离。另外一个重要贡献是设计双注意力策略,通过联合空域注意力和通道注意力对特征进行聚合,以提高失真敏感性。此外,还设计了一个新的联合损失函数,综合考虑均方误差、双向KL散度和质量分数排名次序等信息。该损失函数能提供稳定训练并确保网络能够有效地学习图像感知质量。在公开数据集上进行大量实验,结果表明该算法在混合图像质量评价问题上优于多种先进的全参考图像质量评价算法。

关键词： Transformer 孪生网络双注意力多层次特征聚合图像质量评价