检索结果-南通市图书馆

用于低剂量CT图像去噪的多级双树复小波网络

在线全文

学校读者我要写书评

暂无评论

计算机工程 2024年

作者：张鲁田春伟宋焕生刘侍刚长安大学教育技术与网络中心西北工业大学软件学院西北工业大学深圳研究院长安大学信息工程学院陕西师范大学计算机科学学院

基于卷积神经网络的图像去噪方法能有效去除低剂量CT图像伴随的伪影和噪声，从而确保CT设备输出高质量图像的同时降低辐射，这对患者健康和医学诊断具有重要意义。为了进一步提高低剂量CT图像的质量，本文提出了一种小波域去噪网络MDTNe... 详细信息

基于卷积神经网络的图像去噪方法能有效去除低剂量CT图像伴随的伪影和噪声，从而确保CT设备输出高质量图像的同时降低辐射，这对患者健康和医学诊断具有重要意义。为了进一步提高低剂量CT图像的质量，本文提出了一种小波域去噪网络MDTNet。首先，本文基于双树复小波变换构造多级编解码去噪网络，在多个尺度上提取特征以保留更多高频细节。此外，扩展的像素重排技术替代卷积上下采样，实现多级输入和特征融合，从而降低计算复杂度。最后，通过大量训练找到最佳的去噪模型：两级MDTNet配合LeGall滤波器和Qshift＿b滤波器，并选择较大尺寸的CT图像作为训练数据。本文使用AAPM数据集评估提出的方法，实验结果表明MDTNet能有效去除条纹状伪影和噪声，在定量和定性评估方面均优于同类型去噪方法。与FWDNet相比，MDTNet的平均PSNR和SSIM分别提高了1mm:+0.0887dB、+0.0024;3mm:+0.1443dB、+0.003。对于单张512×512分辨率的低剂量CT图像，MDTNet在GPU上仅需0.193s。MDTNet在保持高效率的同时保留了更多的高频细节，该方法为低剂量CT图像去噪提供了一个新的框架，对其他图像去噪问题具有参考价值。

关键词：低剂量CT 图像去噪卷积神经网络双树复小波变换像素重排

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于可逆神经网络的图像超分辨率重建算法

计算机工程与科学 2023年第3期45卷 478-488页

作者：王平李彬张彤王佳国防科技大学电子科学学院湖南长沙410073 长沙学院电子信息与电气工程学院湖南长沙410022

近年来,卷积神经网络在单幅图像超分辨率重建SISR任务中展现出良好的效果,已成为该领域内应用最广泛的算法,但该算法未能有效弱化一对多的病态问题和减小重建图像解空间范围,因此对图像重建质量提升的效果越来越有限,目前已面临瓶颈问题... 详细信息

近年来,卷积神经网络在单幅图像超分辨率重建SISR任务中展现出良好的效果,已成为该领域内应用最广泛的算法,但该算法未能有效弱化一对多的病态问题和减小重建图像解空间范围,因此对图像重建质量提升的效果越来越有限,目前已面临瓶颈问题,很难有较大的性能提升。为有效减小重建图像的解空间,提升重建图像性能,提出了基于可逆神经网络的图像超分辨率重建算法,通过模型设计,将图像退化和重建过程设计为一个可逆变换过程,有效约束了图像解空间,可逆卷积结构的应用使算法获得最合适的通道排布规则,从而有效提升了模型性能。在主流数据集上的实验结果表明,提出的算法相对于现有的SISR算法在图像重建精度上有了极大的提升,获得了最佳的PSNR和SSIM。

关键词：超分辨重建可逆流模型像素重排可逆耦合

在线全文

学校读者我要写书评

暂无评论

视频图像编码中的重排DCT方法

浙江大学学报（工学版） 2010年第9期44卷 1705-1710页

作者：张贻雄陈凌宇王维东厦门大学通信工程系福建厦门361005 浙江大学信息与电子工程学系浙江杭州310027

为了提高离散余弦变换(DCT)在视频图像编码中的效率,根据DCT对非水平/非垂直残差信号较敏感的特点,从改变残差信号分布的角度出发,提出一种重排DCT方法.对待编码的残差图像块进行像素位置重排,使得残差信号的方向与水平或垂直方向相一致... 详细信息

为了提高离散余弦变换(DCT)在视频图像编码中的效率,根据DCT对非水平/非垂直残差信号较敏感的特点,从改变残差信号分布的角度出发,提出一种重排DCT方法.对待编码的残差图像块进行像素位置重排,使得残差信号的方向与水平或垂直方向相一致;对重排后的图像块进行2维DCT,从而减少DCT系数的高频分量,提高压缩效率.实验结果表明:在不考虑重排信息的情况下,重排DCT比传统DCT性能提高0.20～0.30dB;在考虑重排信息的情况下,重排DCT比传统DCT性能提高0.05～0.20dB.

关键词：视频图像编码重排离散余弦变换像素重排

基于多尺度像素特征融合的实时小交通标志检测算法

在线全文

学校读者我要写书评

暂无评论

信号处理 2020年第9期36卷 1457-1463页

作者：任坤黄泷范春奇高学金北京工业大学信息学部北京100124 北京工业大学数字社区教育部工程研究中心北京100124 北京城市轨道交通实验室北京100124 智能计算与智能系统北京市重点实验室北京100124

交通标志检测技术是先进驾驶辅助系统中重要组成部分。真实的驾驶环境中要求交通标志检测系统具备极高的实时性与准确性。轻量级网络MobileNetv2-SSD能够满足检测的实时性,但准确性不足以满足实际需求。本文将MobileNetv2-SSD作为基础网... 详细信息

交通标志检测技术是先进驾驶辅助系统中重要组成部分。真实的驾驶环境中要求交通标志检测系统具备极高的实时性与准确性。轻量级网络MobileNetv2-SSD能够满足检测的实时性,但准确性不足以满足实际需求。本文将MobileNetv2-SSD作为基础网络,提出一种基于像素重排的多尺度像素特征融合方法,并在网络的检测层引入高效通道注意力机制,实现特征增强。在保证算法的实时性的同时,有效提升了小交通标志的检测性能。实验结果表明,本文算法模型能够在真实环境下准确实时地检测小交通标志。在长沙理工大学中国交通标志检测数据集CCTSDB上取得93.2%的mAP,模型大小仅为17.3M,检测每张图像的时间为0.022 s。

关键词：交通标志检测多尺度特征融合像素重排特征增强通道注意力