检索结果-南通市图书馆

南方医科大学学报 2019年第1期39卷 82-87页

作者：吴洋洋杨丰黄靖刘娅琴南方医科大学生物医学工程学院广东省医学图像处理重点实验室广东广州510515

针对超声图像分辨率低导致视觉效果差的问题,本文以超分辨率重建为基础,结合生成对抗网络的方法,生成相对原图更加清晰的血管内超声图像,用于辅助医生诊断与治疗。本方法应用生成对抗网络,生成器生成图像,判别器判断图像真伪。其过程:... 详细信息

针对超声图像分辨率低导致视觉效果差的问题,本文以超分辨率重建为基础,结合生成对抗网络的方法,生成相对原图更加清晰的血管内超声图像,用于辅助医生诊断与治疗。本方法应用生成对抗网络,生成器生成图像,判别器判断图像真伪。其过程:低分辨率图像经过亚像素卷积层r2个特征通道,产生尺寸大小相同的r2个特征图,对每个特征图中相对应的同一像素重新排列成一个r×r的子块,其对应高分辨率图像中的某一个子块,经过放大,产生r2倍的高分辨率图像。生成对抗网络经过不断优化,获得更优质清晰的图像。将本方法(SRGAN)得出的结果与双立方插值(Bicubic)、超分辨率卷积网络(SRCNN)和亚像素卷积网络(ESPCN)等方法比较,其峰值信噪比(PSNR)和结构相似性(SSIM)分别提高2.369dB和1.79%。因此,我们得知:结合生成对抗网络的图像超分辨率重建能获得很好的血管内超声图像诊断视觉效果。

关键词：血管内超声超分辨率重建生成对抗网络亚像素卷积层

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于级联密集残差网络的温度场高分辨率重建

引用

图学学报 2023年第2期44卷 216-224页

作者：张立峰李晶华北电力大学自动化系河北保定071003

温度分布的高质量测量对工业生产具有重要意义。作为一种非侵入性的测量方法,声学层析成像(AT)被认为是一种有前景的温度分布可视化技术。为改善重建质量,提出了一种虚拟观测(VO)结合级联密集残差网络(CDRNN)的二阶段温度场高分辨率重... 详细信息

温度分布的高质量测量对工业生产具有重要意义。作为一种非侵入性的测量方法,声学层析成像(AT)被认为是一种有前景的温度分布可视化技术。为改善重建质量,提出了一种虚拟观测(VO)结合级联密集残差网络(CDRNN)的二阶段温度场高分辨率重建算法。首先通过VO算法获取粗网格温度场,然后搭建CDRNN预测细网格温度信息。采用VO算法获取AT反问题的总体最小二乘解,缓解了声波路径弯曲引起的重建误差。引入双输入补偿策略增加了CDRNN对原始测量信息的利用率,提高了网络稳定性,通过设置子网络简化网络结构,并采用密集连接与残差连接改善网络信息流,同时引入亚像素卷积层降低网络计算维度,提高重建精度。对典型温度场模型进行数值模拟,并与Landweber迭代法、ART算法、ART-NN算法和VO算法进行比较。结果表明VO-CDRNN算法的平均相对误差和均方根误差分别为0.44%和0.68%,重建结果均优于其他算法。

关键词：声学层析成像高分辨率重建虚拟观测残差连接密集连接亚像素卷积层

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于亚像素卷积神经网络的图像超分辨率重建

基于亚像素卷积神经网络的图像超分辨率重建

引用

作者：张俊发厦门大学

学位级别：硕士

随着数字时代的到来,以图像为媒介的信息处理方式已经被广泛应用于各种场景中。图像的分辨率的高低可以影响到信息获取的完善程度,高分辨率图像可以提供更多的数据信息。近年来,基于深度学习的多个网络模型在图像超分辨率重建领域的精... 详细信息

随着数字时代的到来,以图像为媒介的信息处理方式已经被广泛应用于各种场景中。图像的分辨率的高低可以影响到信息获取的完善程度,高分辨率图像可以提供更多的数据信息。近年来,基于深度学习的多个网络模型在图像超分辨率重建领域的精度和计算性能方面相比于传统方法上有了很大的提升。但这些网络模型里低分辨率图像在预处理阶段通常会先使用双三次插值的方法放大为与目标图像同尺寸的高分辨率图像。这意味着在网络训练过程中需要在高分辨率图像空间中进行操作,这样会增加网络的计算复杂度。虽然加深网络的深度可以有效的提升图像的重建精度,但仅增加网络层数会导致梯度爆炸和梯度消失问题。因此,本文针对上述问题提出一种基于亚像素卷积网络的图像超分辨率重建方法,主要研究内容包括:在图像预处理阶段将低分辨率图像的颜色通道RGB空间转换为YCbCr空间,并采用低分辨率图像的亮度通道作为网络输入使网络训练过程在低分辨率图像空间中进行,以减少网络计算量,有效提高网络的训练效率。构建两层特征提取层,使图像的特征获取更为精准;构建四层非线性映射层,深层的网络具有更加丰富的语义信息,因此加深网络层数可以提取到更多的图像信息。利用残差网络层代替部分卷积层,将低层网络的特征信息直接传送到高层网络,实现特征信息的重复利用,避免网络由于层数加深导致梯度爆炸或者梯度消失的情况;引入亚像素卷积层作为重构层,将多幅特征图像中相同位置的信息按照像素点进行重新排列,达到在特征信息相关性不变的同时提高计算效率。为了验证算法的有效性,本文与四个经典算法在公有数据集、交通数据集和缺陷数据集进行实验对比,并在峰值信噪比与结构相似性,视觉重建效果及单幅图像的重建时间上进行验证。实验结果表明,本文算法的评价指标数值最高,视觉效果上,本文算法的纹理细节信息更清晰,与目标图像最接近,单幅图像的重建时间最短。

关键词：超分辨率重建卷积神经网络残差网络层亚像素卷积层

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于生成对抗网络的超声图像超分辨率重建

引用

太赫兹科学与电子信息学报 2023年第5期21卷 677-683页

作者：唐真迪何连海彭博谢盛华西南石油大学计算机科学学院四川成都610500 四川省人民医院心血管超声及心功能科四川成都610072 四川省人民医院超声心脏电生理学与生物力学四川省重点实验室四川成都610072

针对医学超声图像的分辨率低而导致视觉效果差的问题,使用基于神经网络的图像超分辨率(SR)重建方法提升医学超声图像的分辨率。采用针对自然图像超分辨率重建的生成对抗网络(SRGAN)作为基本方法,通过减少2个输入通道和删除1个残差块对... 详细信息

针对医学超声图像的分辨率低而导致视觉效果差的问题,使用基于神经网络的图像超分辨率(SR)重建方法提升医学超声图像的分辨率。采用针对自然图像超分辨率重建的生成对抗网络(SRGAN)作为基本方法,通过减少2个输入通道和删除1个残差块对该网络的结构进行更改,并且改进网络损失函数,新增模糊处理数据集,使该网络适应医学超声图像所具备的灰度图像、散斑纹理单一等特点,从而重建出放大4倍的边缘清晰没有伪影的医学超声图像。将改进SRGAN与原始SRGAN的结果相比,峰值信噪比(PSNR)和结构相似性(SSIM)分别有1.792 dB和3.907%的提升;与传统双立方插值的结果相比,PSNR和SSIM分别有2.172 dB和8.732%的提升。

关键词：超分辨率重建生成对抗网络乳腺超声图像残差块亚像素卷积层

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：