期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于改进BM3D算法的椒盐噪声去噪 被引量:14
1
作者 肖佳 张俊华 《计算机工程与应用》 CSCD 北大核心 2018年第21期170-175,207,共7页
在处理由椒盐噪声污染的高对比度图像时,使用传统的三维块匹配算法(Block-Matching and 3D filtering,BM3D)去噪不能有效保留图像的边缘和纹理细节,在图像的边缘会出现边缘振铃效应。为了改善传统BM3D算法在处理椒盐噪声时的不足,提出... 在处理由椒盐噪声污染的高对比度图像时,使用传统的三维块匹配算法(Block-Matching and 3D filtering,BM3D)去噪不能有效保留图像的边缘和纹理细节,在图像的边缘会出现边缘振铃效应。为了改善传统BM3D算法在处理椒盐噪声时的不足,提出了用边缘方向代替水平方向搜索相似块的BM3D改进去噪算法。实验结果表明,改进BM3D算法获得的相似块数量是传统BM3D算法的3倍,峰值信噪比(PSNR)也得到进一步提高,在去除椒盐噪声的同时也使图像边缘得到有效保留。 展开更多
关键词 椒盐噪声 三维块匹配(BM3D) 相似块 图像去噪
下载PDF
基于深度学习的手骨X射线图像骨龄评估 被引量:10
2
作者 王嘉庆 张俊华 《计算机工程》 CAS CSCD 北大核心 2021年第1期291-297,共7页
骨龄评估是研究儿童内分泌、遗传因子和生长障碍的常用临床手段,传统骨龄评估方法耗时较长,易受评估者主观因素影响产生误差,而现有自动提取临床特征的骨龄评估方法精度低且泛化能力差。提出一种基于深度学习的端到端手骨X射线图像自动... 骨龄评估是研究儿童内分泌、遗传因子和生长障碍的常用临床手段,传统骨龄评估方法耗时较长,易受评估者主观因素影响产生误差,而现有自动提取临床特征的骨龄评估方法精度低且泛化能力差。提出一种基于深度学习的端到端手骨X射线图像自动骨龄评估方法。去除Inception ResNet V2网络的Softmax层优化结构,在Inception模块中增加非对称卷积核提高特征图分类精度,引入残差连接结构避免梯度消失或爆炸问题,同时采用均方误差损失函数对骨龄评估回归性能进行评价,并使用分层K折交叉验证法保证数据集样本分类均衡。实验结果表明,与采用BoNet网络的骨龄评估方法相比,该方法评估的骨龄与真实骨龄平均绝对误差减少0.4230岁,骨龄预测精度更高。 展开更多
关键词 骨龄评估 深度学习 X射线图像 分层K折交叉验证法 Inception ResNet V2网络
下载PDF
基于空间金字塔池化的深度卷积神经网络多聚焦图像融合 被引量:10
3
作者 郭晓鹏 +2 位作者 张俊华 郭正红 肖佳 《云南大学学报(自然科学版)》 CAS CSCD 北大核心 2019年第1期18-27,共10页
针对传统方法需要人工设定特征和融合准则来完成融合任务,未能充分利用源图像中其他潜在有用信息的缺陷,提出一种基于空间金字塔池化网络的深度学习方法.首先,设计了一种孪生双通道卷积神经网络,并使用金字塔池化代替最大池化,学习多聚... 针对传统方法需要人工设定特征和融合准则来完成融合任务,未能充分利用源图像中其他潜在有用信息的缺陷,提出一种基于空间金字塔池化网络的深度学习方法.首先,设计了一种孪生双通道卷积神经网络,并使用金字塔池化代替最大池化,学习多聚焦图像的特征.然后,为了有效训练该网络,采用高斯滤波器合成一个大规模具有金标准的多聚焦数据集.给定一幅多聚焦图像作为输入,训练好的模型可以输出一个指示源图像中聚焦性质的得分图.此外,为了进一步提高融合效果,将得分图进一步分割为二值掩模图,并使用形态学方法对其进行优化.最后,通过在优化的二值掩模图及源图像之间使用点乘运算,将可以得到最终融合图像.实验结果表明,算法在测试集上平均量化指标提高了0.78%. 展开更多
关键词 多聚焦图像融合 卷积神经网络 金字塔池化 形态学 深度学习
下载PDF
结合视觉显著图的Seam Carving图像缩放方法 被引量:3
4
作者 郭正红 张俊华 +1 位作者 郭晓鹏 《云南大学学报(自然科学版)》 CAS CSCD 北大核心 2018年第2期222-227,共6页
Seam Carving算法在缩放主体区域与背景颜色对比不明显或者视觉主体区域较大的图像时,可能会造成图像视觉主体变形和重要内容缺失的现象.为了改善Seam Carving算法的不足,采用图像梯度图和显著图结合的方法来改进图像的梯度能量图.实验... Seam Carving算法在缩放主体区域与背景颜色对比不明显或者视觉主体区域较大的图像时,可能会造成图像视觉主体变形和重要内容缺失的现象.为了改善Seam Carving算法的不足,采用图像梯度图和显著图结合的方法来改进图像的梯度能量图.实验表明,这种方法在缩放图像时比Seam Carving算法更能很好地保持图像重要内容,整体视觉效果较好,图像像素的平均能量值更大,图像缩放质量更好. 展开更多
关键词 SEAM Carving算法 梯度图 显著图 图像缩放
下载PDF
深度密集卷积神经网络协同检测的多聚焦图像融合方法 被引量:1
5
作者 杨威 +3 位作者 徐川 张欢 胡传文 邓鶱闯 《激光与光电子学进展》 CSCD 北大核心 2022年第24期38-47,共10页
针对传统方法不能充分挖掘图像聚焦关联信息导致融合细节失真的问题,提出了一种基于深度密集卷积神经网络协同检测的多聚焦图像融合方法。将多聚焦源图像进行集成实现协同聚焦特征检测,利用深度密集卷积神经网络的特征复用、低级特征与... 针对传统方法不能充分挖掘图像聚焦关联信息导致融合细节失真的问题,提出了一种基于深度密集卷积神经网络协同检测的多聚焦图像融合方法。将多聚焦源图像进行集成实现协同聚焦特征检测,利用深度密集卷积神经网络的特征复用、低级特征与高级特征相结合等特点,来加强多聚焦图像特征表达能力,可以更好地挖掘图像语义信息。采用多尺度金字塔池化策略聚合不同聚焦区域的全局上下文信息,增强聚焦与离焦的区分能力,得到粗略融合概率决策图。进一步采用卷积条件随机场对其进行优化,获得精细化概率决策图,最终得到细节保持的融合图像。将一对多聚焦图像合并为6通道送入网络进行训练,保证了训练时聚焦图像相关性。利用公开数据集对提出的融合方法进行主观与客观评价,实验结果表明该方法具有较好的融合效果,能够充分挖掘聚焦关联信息、保留足够的图像细节。 展开更多
关键词 图像处理 多聚焦图像 图像融合 密集卷积神经网络 金字塔池化 协同检测
原文传递
基于Mask R-CNN的超声图像中胎儿头围测量方法 被引量:2
6
作者 李宗桂 张俊华 《中国生物医学工程学报》 CAS CSCD 北大核心 2021年第1期12-18,共7页
胎儿头围是产前超声检查中评价胎儿生长发育最重要的生物特征之一,但手工测量耗时费力且存在操作者的误差。对此,根据超声图像中胎儿头部接近椭圆形状的特征,提出头围测量损失函数。在Mask R-CNN的分割分支后,利用Elli Fit算法对分割掩... 胎儿头围是产前超声检查中评价胎儿生长发育最重要的生物特征之一,但手工测量耗时费力且存在操作者的误差。对此,根据超声图像中胎儿头部接近椭圆形状的特征,提出头围测量损失函数。在Mask R-CNN的分割分支后,利用Elli Fit算法对分割掩膜进行椭圆拟合,用Ramanujan公式计算拟合椭圆周长作为头围测量值,将头围真实值和测量值的均方误差作为头围测量损失函数加入原损失函数,使模型训练过程与测量任务紧密相关。对190幅胎儿头部超声图像进行测试,Dice系数为96.89%±1.01%,测量误差为(0.33±1.54) mm,平均处理一幅超声图像的时间为0.33 s。与传统手工测量方法或原模型相比,所提出的方法在速度上提高1.13~16.87 s,在精度上提高0.21~1.68 mm。结果表明,改进的Mask R-CNN可以提高医生测量胎儿头围的效率,能够满足临床需求。 展开更多
关键词 超声图像 Mask R-CNN 椭圆拟合 胎儿头围测量 损失函数
下载PDF
改进的三维块匹配去噪算法 被引量:1
7
作者 肖佳 张俊华 《计算机科学》 CSCD 北大核心 2019年第6期288-294,共7页
在处理由高斯白噪声污染的高对比度图像时,传统的三维块匹配(Block-matching and 3D)算法不能完整地保留图像边缘和纹理细节,去噪后的图像边缘会出现边缘振铃效应。为了弥补传统BM3D去噪算法在处理图像边缘和纹理细节时的不足,提出了先... 在处理由高斯白噪声污染的高对比度图像时,传统的三维块匹配(Block-matching and 3D)算法不能完整地保留图像边缘和纹理细节,去噪后的图像边缘会出现边缘振铃效应。为了弥补传统BM3D去噪算法在处理图像边缘和纹理细节时的不足,提出了先对噪声图像进行各向异性扩散滤波,再使用沿边缘方向代替水平方向搜索相似块的BM3D改进算法。实验结果表明,改进算法获得的相似块数量是传统方法的4倍,峰值信噪比(PSNR)也得到了进一步提高,改进算法能较好地保留图像边缘和纹理细节。 展开更多
关键词 三维块匹配 图像去噪 边缘方向 相似块
下载PDF
基于深度学习的颈部淋巴结超声图像分割方法
8
作者 宋颖超 +2 位作者 张俊华 王嘉庆 蒋毅 《计算机应用与软件》 北大核心 2021年第12期220-222,242,共4页
提出一种基于掩膜区域卷积神经网络(Mask R-CNN)结构的方法,实现对颈部淋巴结超声图像的分割。采用迁移学习方法训练网络,获取颈部淋巴结图像的分割结果。实验结果表明,该方法的Dice系数达到了0.9124,相较U-Net网络提高了13.74%,显著提... 提出一种基于掩膜区域卷积神经网络(Mask R-CNN)结构的方法,实现对颈部淋巴结超声图像的分割。采用迁移学习方法训练网络,获取颈部淋巴结图像的分割结果。实验结果表明,该方法的Dice系数达到了0.9124,相较U-Net网络提高了13.74%,显著提高了颈部淋巴结超声图像的精确度。 展开更多
关键词 MASK R-CNN 颈部淋巴结 迁移学习 超声图像 图像分割
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部