【摘 要】
：
环境、天气等因素影响图像采集的质量,在图像传输过程中降低图像的分辨率。低分辨率图像影响人们对信息的获取,因此获取高分辨率图像信息是至关重要的。通常采用软件技术提升图像的分辨率,这一过程称为图像超分辨率重建。传统方法不能充分利用低分辨率图像的信息,将卷积神经网络引入到图像重建能够提取更丰富的深层特征信息,得到质量更佳的重建图像。但也存在诸多缺点,网络层过浅获取信息能力不足、感受野较小;网络层过深导致
论文部分内容阅读
环境、天气等因素影响图像采集的质量,在图像传输过程中降低图像的分辨率。低分辨率图像影响人们对信息的获取,因此获取高分辨率图像信息是至关重要的。通常采用软件技术提升图像的分辨率,这一过程称为图像超分辨率重建。传统方法不能充分利用低分辨率图像的信息,将卷积神经网络引入到图像重建能够提取更丰富的深层特征信息,得到质量更佳的重建图像。但也存在诸多缺点,网络层过浅获取信息能力不足、感受野较小;网络层过深导致训练困难、产生梯度消失或者爆炸等。这些缺点都会影响重建图像的质量。针对存在的缺点:本文提出两种图像超分辨率重建的网络模型,第一种采用并联结构并引入残差学习进行超分重建;第二种是用自校准卷积代替常规卷积,引入坐标注意力改进自校准卷积模块重建图像。针对网络结构,设计了基于并联卷积与残差网络的图像超分辨率重建算法。（1）采用并联结构提取特征。选取两个大小与结构不同的卷积模块提取特征信息,再将两个模块所获得的特征信息进行融合,这样就会有更加丰富的特征信息用于重建。两个模块均使用了密集连接网络,将模块中每一层的特征信息用Concat连接,防止信息丢失,增加网络流通性。（2）在网络结构中使用残差结构。引入残差思想以提高网络质量,在并联卷积的两个模块中分别加入自适应残差网络,通过自适应残差网络就可以在反向传播中更新权值,补充特征增强输出特征的丰富性,克服梯度消失。在整个网络结构末端引入直接残差的方式,提高重建后高分辨率图像的保真度,全局残差进一步补充特征信息。（3）在训练中引入新的损失函数。增强重建后图像的语义特征,引入感知损失,感知损失是在特征级别上约束原始图像和重建图像,重建图像可以保留原图像中更高级别的语义特征信息。感知损失能够轻微提升图像质量,均方损失可保证像素间良好的一致性,因此使用均方损失和感知损失作为联合损失函数。抑制无效信息,提高特征利用率,设计了基于改进自校准卷积的图像超分辨率重建算法。（1）使用改进自校准卷积提取特征。用自校准卷积代替常规卷积,使自校准的卷积层的感受范围变大,防止引入无用信息,还可以提升区域敏感度。将自校准卷积多通道特征图拆分成两个部分,保留自校准操作部分,在直接卷积部分加入注意力机制,使得能够从方向和位置上更加精确地定位感兴趣的区域,同时可以提取更优的位置和空间信息,重建图像质量更优。（2）在重建部分使用亚像素卷积重建。采用亚像素卷积作为重建模块,将特征图重新组合进行重建,进一步避免了无效信息的加入。引入多尺度结构相似性损失函数,更好的保留高频信息,但会丢失颜色和亮度。L1损失可以很好的保留颜色和亮度,采用L1损失和多尺度结构相似性损失作为联合损失。将本文所提两种模型与其他卷积神经网络模型进行对比,在客观评价上,所提算法在重建时的峰值信噪比和结构相似性相较于对比算法均有所提升。在主观评价上,有更好的视觉效果。
其他文献
通常单模态医学图像包含信息单一,不能很好的反应病灶区域的全面信息,为了更好地观察病灶区域的情况,医学图像融合技术作为常用的技术手段被广泛应用于医学图像领域中。多模态医学图像融合（Multimodal Medical Image Fusion,MMIF）主要是针对多幅单模态的医学图像进行融合。在融合的过程中,不仅可以保留有效信息、增加互补信息、去除冗余信息,而且经过融合处理后的医学图像更加清晰。医生
背景及目的:肝癌是严重危害人类健康的消化道恶性肿瘤之一。人源肿瘤异种移植（patient-derived tumor xenograft,PDX）模型能在一定程度克服肿瘤细胞系模型的缺陷。然而,目前PDX模型成瘤率低、成瘤时间长导致该模型的应用受限,因此,本研究目的是探索影响肝癌PDX模型建立的相关因素,建立成瘤率高及成瘤时间短的肝癌PDX模型。为肝癌患者提供有效的个体化治疗方案。方法:本研究共纳
由于现代社会的发展以及对高辐射性材料的研究,放射源已被广泛用于各个领域,如果存放和使用不当,出现了放射源丢失甚至泄漏的事件,将会造成环境灾害、对社会产生重大危险、甚至破坏人民财产和生命健康。为了保证放射源的安全存储与运输,需要对放射源运行状态实施监控,而放射源辐射出的射线对人身有安全隐患,故有必要实行远程监控管理,减少人工与放射源直接接触,在此需求的基础上,设计了一套放射源远程监控管理系统,可以实
高铁技术的快速发展推动了对高铁宽带无线通信系统需求的增加,基于高铁系统的无线资源管理是近年来提高系统性能的研究热点,其中功率分配考虑用户的服务质量（Quality of Service,QoS）要求、系统的发射功率有限以及信道质量状况等条件的约束,将有限的资源高效合理的分配给用户从而提高高铁通信系统的QoS性能。在新一代用户多业务并存的高铁宽带无线通信系统中,如何在保障不同特性业务要求的前提下,使
背景:下腰痛（Low back pain,LBP）是一种普遍性疾病,约84%的人在其一生中的某个阶段会经历LBP的情况。多项研究表明由炎症反应和氧化压力介导的椎间盘退变（Intervertebral disc degeneration,IDD）可能是引起LBP的主要原因之一。当前对IDD性疾病的治疗主要是缓解临床症状,并未从根本上延缓IDD的进程。因此,探索治疗IDD的药物是很有必要的。目的:据报
随着信息技术的快速发展,传感技术作为多个重要学科交叉的综合技术,在健康医疗、航空航天、环境监测、智能家居、智慧城市等多个领域都发挥着至关重要的作用。在传感器设计中,为了实现微型化、可携化、低成本、高灵敏度的传感器件,研究者逐渐转向抗电磁干扰能力更强的光学传感器。微环谐振器作为一种结构简单、拥有较强谐振的微型光学器件,它的品质因子高、带宽窄、结构紧凑且易于集成,因此被广泛应用到温度、湿度、生化溶液、
目的:TNM分期与患者预后密切相关,但对于术后长期生存的预测相对不足,预后营养指数（PNI）代表患者术前营养和免疫状态,与一些恶性肿瘤患者的预后相关,但与弥漫型胃癌（DGC）之间的关系尚不明确。本文探究了PNI对DGC术后长期生存的预测价值。方法:回顾性收集单中心353例DGC手术背景患者的临床病历和长期随访资料,计算PNI（5×术前淋巴细胞计数（10^9/L）+术前血清白蛋白（g/L））的最佳截
卷积神经网络作为深度学习的重要算法之一,具有复杂的网络结构,强大的特征学习能力以及特征表达能力,并且已广泛应用到计算机视觉处理,自然语言识别和大数据分析等多个领域。基于卷积神经网络的深度学习应用分为训练和推理两个任务阶段,两个阶段都属于计算密集型,目前主要部署于高性能处理器集群上运行,如CPU、GPU和服务器等。如今,卷积神经网络已广泛应用到智能手机、无人驾驶和物联网等领域,但庞大的网络模型和过高
数字通信技术的发展在科学技术研究和日常生活应用中显得愈加重要,人们对通信传输系统的性能要求也越来越高,这也对信道均衡技术提出了新的要求。在社会高速发展的今天,研究更高性能的信道均衡算法来提高通信系统的信息传输质量对通信技术的发展具有重要意义。本文对通信系统中信道均衡技术以及人工智能领域的核心机器学习算法进行了研究和分析,提出使用机器学习算法进一步提升传统信道均衡技术的性能。本文首先调研并分析了基于
背景和目的:胰腺癌（pancreatic cancer,PC）是临床常见的恶性肿瘤之一。因其早期及部分中期患者未见特异性临床症状,往往发现时已成晚期,难以手术治疗,同时,其化学治疗的疗效常常不佳,故病死率较高。胰岛素受体酪氨酸激酶底物（insulin receptor tyrosine kinase substrate,IRTKS）是一个新发现的胰岛素信号通路调控分子。各项研究表明IRTKS与癌症