基于密集残差连接U型网络的噪声图像超分辨率重建

1

作者 刘鹏南 李龙 +2 位作者 张紫豪 朱星光 程德强 《工矿自动化》 CSCD 北大核心 2024年第2期63-71,共9页

现有的图像超分辨率重建网络难以适用于煤矿井下噪声密集的应用场景,且多数网络通过增加深度提升性能会导致无法有效提取关键特征、高频信息丢失等问题。针对上述问题,提出了一种密集残差连接U型网络,用于对低分辨率噪声图像进行超分辨... 现有的图像超分辨率重建网络难以适用于煤矿井下噪声密集的应用场景,且多数网络通过增加深度提升性能会导致无法有效提取关键特征、高频信息丢失等问题。针对上述问题,提出了一种密集残差连接U型网络,用于对低分辨率噪声图像进行超分辨率重建。在特征提取路径中引入基于密集残差连接的去噪模块,通过密集连接的方式对图像特征进行充分提取,再利用残差学习的特点对低分辨率噪声图像进行有效去噪;在重建路径中引入残差特征注意力蒸馏模块,通过在残差块中融入增强特征注意力块,对不同空间的特征赋予不同的权重,加强网络对于图像关键特征的提取能力,同时减少图像细节特征在残差块中的损失,从而更好地恢复图像细节信息。在煤矿井下图像数据集及公共数据集上进行了对比实验,结果表明:在客观评价指标上,所提网络的结构相似度、图像感知相似度均优于对比网络,且在复杂度及运行速度上有着较好的均衡;在主观视觉效果上,所提网络重建的图像基本消除了原有图像噪声,有效恢复了图像的细节特征。 展开更多

关键词 噪声图像 超分辨率重建 密集残差连接 u型网络 去噪模块 残差特征注意力蒸馏模块

在线阅读 下载PDF 职称材料

基于金字塔型残差神经网络的红外图像深度估计 被引量：5

2

作者 顾婷婷 赵海涛 孙韶媛 《红外技术》 CSCD 北大核心 2018年第5期417-423,共7页

对车载红外图像进行深度估计,可应用于车辆的夜间辅助驾驶系统(Driver Assistant Systems,DAS),本文提出了一种新型的神经网络结构来估计红外图像的深度。受景物分类思想的启发,将传统深度估计方法中的回归问题转化为分类问题。首先,对... 对车载红外图像进行深度估计,可应用于车辆的夜间辅助驾驶系统(Driver Assistant Systems,DAS),本文提出了一种新型的神经网络结构来估计红外图像的深度。受景物分类思想的启发,将传统深度估计方法中的回归问题转化为分类问题。首先,对红外图像进行归一化预处理,并将深度图置于自然对数空间对距离进行远近分类。其次,设计了一种新型的金字塔输入残差神经网络(Pyramid Residual Neural Networks,PRN),将红外图像以金字塔型结构作为网络输入,网络结构分为粗略特征提取和精细特征提取两部分。最后,将全连接层改为全卷积层,大大减少了网络中的参数个数,降低计算复杂度。金字塔型结构的输入使得网络能够多尺度提取特征,这使得估计出的深度图场景中的对象轮廓比同一网络单一红外图像输入估计出的景物轮廓更清晰。此外,通过计算错误和准确性评价指标,证明本文的提出方法能够很好地估计红外图像的深度,对比实验验证了本文方法更具优势。 展开更多

关键词 深度估计 车载红外图像 金字塔型输入 残差网络 多尺度特征

在线阅读 下载PDF 职称材料

基于U型卷积神经网络的航空影像建筑物检测 被引量：49

3

作者 伍广明 陈奇 +3 位作者 Ryosuke SHIBASAKI 郭直灵 邵肖伟 许永伟 《测绘学报》 EI CSCD 北大核心 2018年第6期864-872,共9页

经典的卷积神经网络结构在前向传播过程中分辨率不断下降,导致仅采用末层特征时难以实现建筑物边缘的精确分割,进而限制目标检测精度。针对该问题,提出一种基于U型卷积网络的建筑物检测方法。首先借鉴在图像分割领域中性能出色的神经网... 经典的卷积神经网络结构在前向传播过程中分辨率不断下降,导致仅采用末层特征时难以实现建筑物边缘的精确分割,进而限制目标检测精度。针对该问题,提出一种基于U型卷积网络的建筑物检测方法。首先借鉴在图像分割领域中性能出色的神经网络模型U-Net的建模思想,采用对称式的网络结构融合深度网络中的高维和低维特征以恢复高保真边界;其次考虑到经典U-Net对位于特征金字塔顶层的模型参数优化程度相对不足,通过在顶层和底层两个不同尺度输出预测结果进行双重约束,进一步提升了建筑物检测精度。在覆盖范围达30km2、建筑物目标28 000余个的航空影像数据集上的试验结果表明,本文方法的检测结果在IoU和Kappa两项关键评价指标的均值上分别达到83.7%和89.5%,优于经典U-Net模型,显著优于经典全卷积网络模型和基于人工设计特征的AdaBoost模型。 展开更多

关键词 航空影像 建筑物检测 卷积神经网络 u型卷积网络 特征金字塔

在线阅读 下载PDF 职称材料

基于多尺度残差路径的U型视网膜血管分割

4

作者 冯骏 梁礼明 +1 位作者 彭仁杰 吴媛媛 《计算机应用与软件》 北大核心 2023年第12期222-229,298,共9页

针对视网膜血管形态结构复杂、特征信息多变的特点,提出一种结合残差网络和多尺度特征融合的U型视网膜分割算法。依次采用限制对比度直方图均衡化和局部自适应Gamma对原始视网膜图像进行预处理,得到血管增强、亮度提升的图像;将其输入... 针对视网膜血管形态结构复杂、特征信息多变的特点,提出一种结合残差网络和多尺度特征融合的U型视网膜分割算法。依次采用限制对比度直方图均衡化和局部自适应Gamma对原始视网膜图像进行预处理,得到血管增强、亮度提升的图像;将其输入至搭建的U型网络中进行端到端训练,该网络将U-Net原始卷积块替换为残差卷积块,实现对特征的复用,首尾的并行多分支结构和底部的金字塔池化结构扩大提取特征的感受野,在解码阶段加入带有注意力机制的跳跃连接改善视网膜血管的分割性能;通过sigmoid激活函数得到最终分割结果。在DRIVE数据集上进行实验,该算法准确率、敏感度和AUC分别为96.34%、84.61%和98.53%。 展开更多

关键词 视网膜血管 残差网络 u型网络 金字塔池化 注意力机制

在线阅读 下载PDF 职称材料

多级自适应尺度的U型视网膜血管分割算法 被引量：3

5

作者 梁礼明 詹涛 +2 位作者 雷坤 冯骏 谭卢敏 《电子测量技术》 北大核心 2022年第13期130-140,共11页

针对视网膜血管细小和尺度变化复杂的特点,提出一种多级自适应尺度的U型视网膜血管分割算法。首先以编码-解码结构为基础引入残差模块,加强通道特征传播能力。其次在网络底部嵌入多尺度特征提取模块,旨在调整感受野有效地提取多尺度特... 针对视网膜血管细小和尺度变化复杂的特点,提出一种多级自适应尺度的U型视网膜血管分割算法。首先以编码-解码结构为基础引入残差模块,加强通道特征传播能力。其次在网络底部嵌入多尺度特征提取模块,旨在调整感受野有效地提取多尺度特征。同时在跳跃连接部分增加改进的自适应特征融合模块,促进相邻层次特征之间的有效融合,以提取更多的细小血管特征。最后在解码部分设置侧输出的多级注意结构对多层次特征进行自适应细化。实验结果表明,该算法在DRIVE、STARE和CHASEDB1数据集上准确率分别达到0.9645、0.9694和0.9671,灵敏度分别达到0.8417、0.8465和0.8545,AUC分别达到0.9866、0.9908和0.9877,整体性优于现有算法。 展开更多

关键词 视网膜血管分割 u型网络 残差模块 多尺度特征提取 自适应特征融合 多级注意

在线阅读 下载PDF 职称材料

多分辨率融合输入的U型视网膜血管分割算法 被引量：7

6

作者 梁礼明 詹涛 +2 位作者 雷坤 冯骏 谭卢敏 《电子与信息学报》 EI CSCD 北大核心 2023年第5期1795-1806,共12页

针对视网膜血管拓扑结构不规则、形态复杂和尺度变化多样的特点,该文提出一种多分辨率融合输入的U型网络(MFIU-Net),旨在实现视网膜血管精准分割。设计以多分辨率融合输入为主干的粗略分割网络,生成高分辨率特征。采用改进的ResNeSt代... 针对视网膜血管拓扑结构不规则、形态复杂和尺度变化多样的特点,该文提出一种多分辨率融合输入的U型网络(MFIU-Net),旨在实现视网膜血管精准分割。设计以多分辨率融合输入为主干的粗略分割网络,生成高分辨率特征。采用改进的ResNeSt代替传统卷积,优化血管分割边界特征;将并行空间激活模块嵌入其中,捕获更多的语义和空间信息。构架另一U型精细分割网络,提高模型的微观表示和识别能力。一是底层采用多尺度密集特征金字塔模块提取血管的多尺度特征信息。二是利用特征自适应模块增强粗、细网络之间的特征融合,抑制不相关的背景噪声。三是设计面向细节的双重损失函数融合,以引导网络专注于学习特征。在眼底数据用于血管提取的数字视网膜图像(DRIVE)、视网膜结构分析(STARE)和儿童心脏与健康研究(CHASE_DB1)上进行实验,其准确率分别为97.00%,97.47%和97.48%,灵敏度分别为82.73%,82.86%和83.24%,曲线下的面积(AUC)值分别为98.74%,98.90%和98.93%。其模型整体性能优于现有算法。 展开更多

关键词 视网膜血管分割 u型网络 并行空间激活模块 多尺度密集特征金字塔模块 双重损失函数融合

在线阅读 下载PDF 职称材料

融合多标签损失与双注意力的U型视网膜血管分割 被引量：3

7

作者 梁礼明 冯骏 +1 位作者 彭仁杰 曾嵩 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2023年第1期75-86,共12页

眼底视网膜血管的检测与分析对许多眼科疾病的诊断具有重要意义.为了更精确、健全地提取视网膜血管的特征信息,提出一种融合多标签损失与双注意力的U型网络模型.首先在编码部分通过空间金字塔池化提供多尺度输入,在U型网络内部融入双注... 眼底视网膜血管的检测与分析对许多眼科疾病的诊断具有重要意义.为了更精确、健全地提取视网膜血管的特征信息,提出一种融合多标签损失与双注意力的U型网络模型.首先在编码部分通过空间金字塔池化提供多尺度输入,在U型网络内部融入双注意残差块提升网络对特征信息的提取能力;其次,在网络底部嵌入特征相似模块以捕获特征之间的远程依赖关系,为了有效地抑制眼底图像中的噪声影响和捕获血管多尺度信息,在跳连部分分别引入双路径注意门机制与稠密的空洞空间金字塔池化模块;最后,在解码部分设置侧输出层生成与层级对应的局部预测图像,并配合多标签Dice损失函数进行训练.在DRIVE,STARE和CHASE_DB1数据集上进行实验,灵敏度分别为80.54%,83.97%和82.40%,受试者曲线下的面积(AUC)分别为98.07%,98.50%和98.36%. 展开更多

关键词 视网膜血管 多标签损失 u型网络 双注意残差块 远程依赖关系 双路径注意门机制

在线阅读 下载PDF 职称材料

基于注意力机制的多尺度特征融合网络用于宫颈细胞核分割

8

作者 张玉琦 李捷 +2 位作者 王巍 徐敏 张瑞雪 《计算机应用》 CSCD 北大核心 2022年第S02期259-266,共8页

宫颈细胞图像中嘈杂的背景、不良的对比度、正常和异常细胞中细胞核形状和大小的差异给自动分割带来了极大的困难。因此,提出一种新颖的基于注意力机制的多尺度特征融合网络(AMF-Net)。首先,以残差U型网络作为骨干网络,通过更深的网络... 宫颈细胞图像中嘈杂的背景、不良的对比度、正常和异常细胞中细胞核形状和大小的差异给自动分割带来了极大的困难。因此,提出一种新颖的基于注意力机制的多尺度特征融合网络(AMF-Net)。首先,以残差U型网络作为骨干网络,通过更深的网络层数来有效地提升性能,增加特征的复用能力;其次,针对癌变细胞中核边界模糊、核质对比度降低的问题,将注意力模块添加到网络中,通过集合空间和通道两个维度的注意力图,对宫颈细胞核特征细化;然后,由于癌变细胞核的形状一般情况下由圆形轮廓变为不规则轮廓,通过采用多个不同膨胀因子的空洞卷积并结合残差结构构成多尺度输入模块,克服U型网络感受野的局限性以更好地处理不规则轮廓形状的癌变细胞核;最后,针对宫颈图像中正常细胞核很小的特点,将focal loss与dice loss相结合作为损失函数以解决前景与背景不平衡的问题。在Herlev数据集中进行有效性验证,结果表明AMF-Net的Zijdenbos相似指数(ZSI)为0.9728,能够有效地提升宫颈细胞核的检测精度。 展开更多

关键词 残差u型网络 注意力机制 多尺度特征融合 医学图像分割 宫颈细胞核分割

在线阅读 下载PDF 职称材料

融合分层特征与残差蒸馏连接的图像超分辨率重建

9

作者 程德强 朱星光 +3 位作者 寇旗旗 陈亮亮 王晓艺 赵佳敏 《智能系统学报》 CSCD 北大核心 2023年第6期1173-1184,共12页

针对目前诸多图像超分辨率重建算法通过采用单一通道网络结构无法充分利用特征信息的问题,提出了一种可以高效利用特征信息的融合分层特征与残差蒸馏连接的超分辨率重建算法。该方法首先设计了一种将分层特征融合与残差连接相结合的连... 针对目前诸多图像超分辨率重建算法通过采用单一通道网络结构无法充分利用特征信息的问题,提出了一种可以高效利用特征信息的融合分层特征与残差蒸馏连接的超分辨率重建算法。该方法首先设计了一种将分层特征融合与残差连接相结合的连接方式,对图像深层特征与浅层特征进行充分融合,提升了网络对于特征信息的利用率;其次设计出一种残差蒸馏注意力模块,使网络更高效地关注图像关键特征,从而可以更好地恢复出重建图像的细节特征。实验结果表明,所提出的算法模型不仅在4种测试集上呈现出更优秀的客观评价指标,而且在主观视觉效果上也呈现出更好的重建效果。具体在Set14测试集上,该模型4倍重建结果的峰值信噪比相对于对比模型平均提升了0.85 dB,结构相似度平均提升了0.034,充分证明了该算法模型的有效性。 展开更多

关键词 图像处理 超分辨率重建 u型网络 残差连接 神经网络 特征融合 注意力机制 亚像素卷积

在线阅读 下载PDF 职称材料

一种提高直肠癌诊断精度的基于U型网络和残差块的电子计算机断层扫描图像分割算法 被引量：6

10

作者 汪豪 吉邦宁 +1 位作者 何刚 俞文心 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2022年第1期166-174,184,共10页

作为确定病灶与诊断的重要基础,医学图像分割已成为生物医学领域中极其重要的热门研究领域之一,其中基于全卷积神经网络和U型网络(U-net)等神经网络的医学图像分割算法得到越来越多研究人员的重视。目前,医学图像分割算法应用于直肠癌... 作为确定病灶与诊断的重要基础,医学图像分割已成为生物医学领域中极其重要的热门研究领域之一,其中基于全卷积神经网络和U型网络(U-net)等神经网络的医学图像分割算法得到越来越多研究人员的重视。目前,医学图像分割算法应用于直肠癌诊断的研究报道较少,且已有的研究对直肠癌的分割结果精度不高。本文提出了一种结合图像裁剪和预处理方法的编码—解码卷积网络模型。该模型在U型网络的基础上,借鉴残差网络思想,用残差块代替传统的卷积块,有效避免了梯度消失的问题。此外,本文还采用了图像增广的方法提高了所提模型的泛化能力,并在"泰迪杯"数据挖掘挑战赛所提供的数据集进行测试。测试结果表明,本文提出的基于残差块的改进U型网络模型结合图像裁剪预处理,可以大大提高直肠癌的分割精度,得到的戴斯系数在验证集上达到0.97。 展开更多

关键词 直肠癌 图像分割 u型网络 残差块 图像预处理

原文传递

基于特征融合的文本到图像的生成 被引量：6

11

作者 徐泽 帅仁俊 +2 位作者 刘开凯 马力 吴梦麟 《计算机科学》 CSCD 北大核心 2021年第6期125-130,共6页

近年来,基于生成对抗网络(Generative Adversarial Network, GAN)从文本描述中合成图像这一具有挑战性的任务已经取得了令人鼓舞的结果。这些方法虽然可以生成具有一般形状和颜色的图像,但通常也会生成具有不自然的局部细节且扭曲的全... 近年来,基于生成对抗网络(Generative Adversarial Network, GAN)从文本描述中合成图像这一具有挑战性的任务已经取得了令人鼓舞的结果。这些方法虽然可以生成具有一般形状和颜色的图像,但通常也会生成具有不自然的局部细节且扭曲的全局图像。这是因为卷积神经网络在捕获用于像素级别图像合成的高级语义信息时效率低下,以及处于粗略状态的生成器-鉴别器由于缺少详细信息生成了有缺陷的结果,而这个结果会作为输入促使最终结果的生成。因此,提出了一种基于特征融合的生成对抗网络。该网络通过嵌入残差块特征金字塔结构来引入多尺度特征融合,并通过自适应融合这些特征直接生成最后的精细图像,仅使用一个鉴别器就可以生成256 px×256 px的逼真图像。将所提方法在花类数据集Oxford-102和加利福尼亚理工学院鸟类数据库CUB上进行验证,使用Inception Score和FID评估生成图像的质量,结果表明,生成图像的质量明显优于以往若干经典的方法。 展开更多

关键词 特征融合 鉴别器 残差块特征金字塔 生成对抗网络

在线阅读 下载PDF 职称材料

DRUSR:面向效果的图像超级分辨率重建 被引量：1

12

作者 李昊 赵光哲 《计算机工程与应用》 CSCD 北大核心 2023年第24期165-175,共11页

图像超分辨率(super resolution,SR)重建是计算机视觉领域的热点问题,重点是利用深度学习将图像重建模型作为提高图像和视频分辨率的重要图像技术。往往这些重建模型的网络结构比较简单,就会导致梯度传递愈发困难,更会导致效率低下,而... 图像超分辨率(super resolution,SR)重建是计算机视觉领域的热点问题,重点是利用深度学习将图像重建模型作为提高图像和视频分辨率的重要图像技术。往往这些重建模型的网络结构比较简单,就会导致梯度传递愈发困难,更会导致效率低下,而且重建后的图像依然存在细节丢失、噪声过大等问题,故提出一种改进生成网络中的残差块和判别网络中的判别模型的GAN(generative adversarial networks)图像超级分辨率重建模型。在模型结构上,将组成生成网络的基本单位简化成Conv+RELU,再进行重新设计,将密集残差网络的思想融入其中并重新设计组合成新的生成模型,将判别网络中的顺序连接的残差块进行了重新设计来实现更优的性能。训练模型所使用的数据集是DIV2K和Flickr2K。从最后得出的实验结果对比来看,在Set5、Set14、BSD100、Urban100四个公开的数据集上,所提出的模型相较于其他五个主流重建模型在图像重建质量的峰值信噪比(PSNR)、结构相似性(SSIM)上均提升1%~4%不等,在主观观感上也有所提高。 展开更多

关键词 u型网络 递减型残差块 生成对抗网络 超分辨率

在线阅读 下载PDF 职称材料

多尺度特征融合双U型视网膜分割算法 被引量：5

13

作者 梁礼明 周珑颂 +1 位作者 余洁 陈鑫 《光电子．激光》 CAS CSCD 北大核心 2022年第3期272-282,共11页

视网膜血管形态结构是反映人体健康的重要指标,针对现有视网膜血管分割存在主血管模糊、微细血管断裂和视盘误分割等问题,提出多尺度特征融合双U型视网膜分割算法。首先,利用低层U-Net高效循环残差模块对眼底图像进行粗粒度分割,得到视... 视网膜血管形态结构是反映人体健康的重要指标,针对现有视网膜血管分割存在主血管模糊、微细血管断裂和视盘误分割等问题,提出多尺度特征融合双U型视网膜分割算法。首先,利用低层U-Net高效循环残差模块对眼底图像进行粗粒度分割,得到视网膜血管初步轮廓。其次,将粗分割图与原始特征图像素相乘送入高层U-Net,利用其缩放宽残差模块进行细粒度图像解码,丰富视网膜血管细节信息。同时利用3路径注意力机制复合性连接双网络的编码层与解码层,实现特征映射跨网络传播,减小上下文语义差异。最后,融合双层网络输出提取血管区域,双U型网络能够更深层次提取血管像素,精准分割出视网膜细节。在DRIVE与STARE数据集上进行实验,其准确率分别为96.45%和97.02%,敏感度分别为83.35%和81.40%,特异性分别为98.38%和98.83%,总体性能优于现有算法。 展开更多

关键词 视网膜血管 双u型网络 循环残差 多尺度特征融合 三路径注意力机制

原文传递

基于卷积神经网络的线结构光高精度三维测量方法

14

作者 叶涛 何威燃 +2 位作者 刘国鹏 欧阳煜 王斌 《仪器仪表学报》 2025年第2期183-195,共13页

线结构光视觉三维测量技术因其高精度和非接触的三维重建优势而被广泛应用。然而,现有的线结构光三维测量方法在标定过程中往往面临较高的耦合性问题,且在复杂环境下,背景噪声和光照变化会严重干扰条纹的提取,导致结构光条纹中心定位精... 线结构光视觉三维测量技术因其高精度和非接触的三维重建优势而被广泛应用。然而,现有的线结构光三维测量方法在标定过程中往往面临较高的耦合性问题,且在复杂环境下,背景噪声和光照变化会严重干扰条纹的提取,导致结构光条纹中心定位精度下降,进而影响整体三维测量的精度和鲁棒性。针对上述问题,提出了一种基于卷积神经网络的鲁棒三维测量方法。首先,设计了一种创新性的残差U型块特征金字塔网络(RSU-FPN),旨在实现背景噪声的干扰抑制和结构光条纹区域中心的高精度鲁棒提取。其次,构建了一种新型的线结构光视觉传感器,并提出了一种分离式测量模型,成功将摄像机标定与光平面标定解耦,极大地提高了系统的灵活性与扩展性。通过这种解耦的标定方式,避免了传统标定方法中存在的耦合问题,使得整个测量系统更加高效且易于调整。实验结果表明,所提出的基于卷积神经网络的鲁棒三维测量方法,在复杂背景下能够实现结构光条纹中心的高精度提取,利用提取出的光条纹中心进行标定,其均方根误差分别为x方向0.005 mm、y方向0.009 mm以及z方向0.097 mm。并且,该方法在不同表面类型(如漫反射表面和光滑反射表面)上均能实现高精度的三维重建,验证了其在实际应用中的优越性和强大的鲁棒性。 展开更多

关键词 线结构光 三维测量 卷积神经网络 残差u型块特征金字塔网络 背景噪声抑制

在线阅读 下载PDF 职称材料