检索结果-南通市图书馆

Alzheimer’s Disease Stage Classification Using a Deep Transfer Learning and Sparse Auto Encoder Method

Computers, Materials & Continua 2023年第7期76卷 793-811页

作者： Deepthi K.Oommen J.Arunnehru Department of Computer Science and Engineering SRM Institute of Science and TechnologyVadapalaniChennai600026TamilnaduIndia

Alzheimer’s Disease(AD)is a progressive neurological disease.Early diagnosis of this illness using conventional methods is very challenging.Deep Learning(DL)is one of the finest solutions for improving diagnostic procedures’performance and forecast accuracy.The disease’s widespread distribution and elevated mortality rate demonstrate its significance in the older-onset and younger-onset age groups.In light of research investigations,it is vital to consider age as one of the key criteria when choosing the subjects.The younger subjects are more susceptible to the perishable side than the older onset.The proposed investigation concentrated on the younger onset.The research used deep learning models and neuroimages to diagnose and categorize the disease at its early stages automatically.The proposed work is executed in three steps.The 3D input images must first undergo image pre-processing using Weiner filtering and contrast limited adaptive histogram equalization(CLAHE)methods.The Transfer Learning(TL)models extract features,which are subsequently compressed using cascaded Auto Encoders(AE).The final phase entails using a Deep Neural Network(DNN)to classify the phases of AD.The model was trained and tested to classify the five stages of AD.The ensemble ResNet-18 and sparse autoencoder with DNN model achieved an accuracy of 98.54%.The method is compared to state-of-the-art approaches to validate its efficacy and performance.

关键词： Alzheimer’s disease mild cognitive impairment Weiner filter contrast limited adaptive histogram equalization transfer learning sparse autoencoder deep neural network

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于双边滤波和改进CLAHE算法的低照度图像增强研究

基于双边滤波和改进CLAHE算法的低照度图像增强研究

引用

作者：黄勇湘潭大学

学位级别：硕士

在数字信息化高速发展的今天,大量的图像信息已经成为传递信息的媒介。然而由于光照不均匀以及光线昏暗等低照度条件下拍摄的原因,造成这种图像质量严重下降,因而导致降低了它的使用价值。传统的图像增强算法处理效果有些不尽人意。因... 详细信息

在数字信息化高速发展的今天,大量的图像信息已经成为传递信息的媒介。然而由于光照不均匀以及光线昏暗等低照度条件下拍摄的原因,造成这种图像质量严重下降,因而导致降低了它的使用价值。传统的图像增强算法处理效果有些不尽人意。因此针对这种状况,本文对低照度图像增强理论和一些技术进行研究,同时对现有的算法进行改进,文章的主要工作如下:首先,分析课题背景、意义及现状,详细地分析了传统经典的低照度图像增强算法,比如单尺度Retinex算法、多尺度Retinex算法、带色彩恢复的多尺度Retinex算法、直方图均衡化算法、自适应直方图均衡化算法以及对比度受限自适应直方图均衡化算法。对这些算法的优缺点进行了详细的阐述。其次,针对Retinex增强算法在处理低照度图像增强,所出现对比度不高,颜色失真,亮度不高等问题,提出了一种颜色空间融合图像增强算法,先在RGB颜色空间下对图像的R、G、B 3个颜色通道分别进行自动对比度拉伸;并将原图像从RGB颜色空间转换到HSV颜色空间,采用改进的多尺度Retinex算法对亮度分量V增强处理,将得到的图像从HSV颜色空间转换回RGB颜色空间;然后对RGB颜色空间的两幅图像进行加权融合;最后将融合后的图像进行Gamma校正,实现颜色恢复与补偿。实验结果表明:该算法与其他算法相比提高了图像亮度和对比度,同时保留了更丰富的细节信息,能有效防止“伪晕”现象。再次,基于CLAHE图像增强模型,解决图像增强时所出现的噪声放大,清晰度不高等问题,提出一种改进的CLAHE增强算法,根据内容自适应地设置剪切点的图像增强。首先经过高斯滤波初步处理,在滤波的基础上,由小波变换分解成高频部分和低频部分,然后分别经过双边滤波和改进CLAHE处理对应的部分,最后由小波重构获得增强后的图像。实验结果表明:该算法有效地改善了图像质量、防止了噪声放大以及颜色失真等问题。最后,通过搭建视频监控系统平台,对本文所提出的方法在视频图像上进行验证。实验结果表明较大地改善视频图像质量,视频图像的细节信息更清晰,颜色比较逼真,亮度有较大提升,达到了较好的增强效果。

关键词：低照度图像增强 Retinex 小波变换 contrast limited adaptive histogram equalization

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

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

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

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：