【摘 要】
:
图像去噪是计算机视觉领域的一大基础性问题,长久以来备受学者们关注。近年来,深度学习的迅速发展也为图像去噪拓展了新的研究方向,基于卷积神经网络的去噪方法相比传统先验方法取得了去噪指标上的大幅提升。然而目前常见的去噪网络模型在实用性方面仍面临诸多问题,例如:去噪网络模型只能针对特定噪声训练而无法同时应对多种类型的噪声;模型在剔除噪声的同时难以保留图像的细节特征;深层网络堆叠导致的模型运行消耗增加。本文
论文部分内容阅读
图像去噪是计算机视觉领域的一大基础性问题,长久以来备受学者们关注。近年来,深度学习的迅速发展也为图像去噪拓展了新的研究方向,基于卷积神经网络的去噪方法相比传统先验方法取得了去噪指标上的大幅提升。然而目前常见的去噪网络模型在实用性方面仍面临诸多问题,例如:去噪网络模型只能针对特定噪声训练而无法同时应对多种类型的噪声;模型在剔除噪声的同时难以保留图像的细节特征;深层网络堆叠导致的模型运行消耗增加。本文从以上问题入手,结合噪声估计与核预测方法,对基于卷积神经网络的图像去噪算法进行了深入的研究。本论文的研究内容如下:1.针对去噪模型只能应对单一噪声的问题,提出了一种基于噪声估计的统一盲去噪方法。该方法分为噪声估计和去噪两大模块,前者用一个小型卷积神经网络估计出图像中的噪声类型与水平信息,再混合到原始噪声图像中,后者则采用了双路并行结构,由浅层预测支路提取出空域掩膜,赋予不同局部特征权值,再作用到主路的深层特征图上进行自适应调整。实验证明该方法成功解决了多噪声类型盲去噪任务,验证了噪声估计模块的有效性和准确性。相比于主流去噪方法,该方法在多类型去噪任务上保持了约0.1d B的客观去噪指标优势。2.针对去噪模型在剔除噪声时易抹除图像细节特征的问题,提出了一种基于多尺度特征融合的核预测去噪方法,该方法为每个像素点预测出专有卷积核,提高了模型的像素敏感度。为了适应单图像去噪任务有限的参考信息,模型融合了空洞卷积提供的多尺度特征,提高像素核准确性。通过复用特征提取通道,一张压缩特征图以少量的额外参数收集到更相关的邻域特征,用于执行逐像素滤波操作。实验验证了多尺度特征和压缩特征图策略的有效性,得益于像素敏感特性,该方法表现出了比主流算法更优的客观去噪指标和优秀的图像细节处理能力。3.针对深层去噪模型实际运行消耗过大而难以实用的问题,提出了一种基于核预测与特征传递的编解码网络去噪方法。该方法采用编解码骨干和上下文特征块提取多尺度特征,并对各模块结构进行了效率优化。核预测方法作为一种特征调整模块,连接起编码端与解码端的额外信息通路,即多尺度滤波核张量由编码特征图预测,再作用到对应解码层特征图上进行细节校正。特征传递将粗粒度滤波核张量上采样到细粒度张量处融合,帮助预测出更准确的逐像素滤波核。实验表明,该方法大幅降低了模型运行内存和计算量消耗,与第2点研究内容相比,该方法进一步提升了约0.1d B客观去噪指标且表现出更强的图像细节重建能力。综上所述,本文工作结合噪声估计和核预测方法,在多噪声类型盲去噪、算法细节敏感度增强和运行效率优化三方面提出了创新方法,有效克服了现有去噪模型中存在的实用性问题。在多个数据集上的实验表明,本文方法达到了去噪领域先进水平,且具有较好的图像细节重建和真实场景泛化能力。
其他文献
何为“人民”?人民“何为”?当前我国正处于“两个一百年”奋斗目标历史交汇期,中国共产党的人民观如何恰如其分又不失时机地反映时代要求、契合社会发展规律,成为党坚持人民主体地位,保障人民发展利益,激发人民创造伟力的思想前提和实践依据。改革开放以来中国共产党人民观的历史演进彰显了党在坚持辩证唯物主义和历史唯物主义的基础上,准确把握时代发展脉搏,在实践中不断深化对共产党执政规律、社会主义建设规律、人类社会
心肌缺血是造成心源性猝死(SCD)的主要原因,缺血导致心肌电生理特性改变,从而促进电交替的发生,在心电图中表现为T波电交替(TWA),TWA具有重要的临床应用价值,它既可以用来对SCD进行危险分层,也能作为预测心律失常发生的重要指标。因此,探究心肌缺血下,形成心脏电交替的离子机制,并探究影响TWA特征的因素,对临床诊治具有重要的指导意义。心肌缺血和高钾、多酸、缺氧有关,这些缺血成分会让细胞膜上离子
心血管疾病是威胁人类健康的头号杀手,其发病率和死亡率在全球范围内呈逐年上升趋势,并趋于年轻化。室性心动过速(室速)和心房颤动(房颤)是临床上常见的心脏疾病,由于室速和房颤的内在发生及维持机制尚未得到充分研究,导致临床治疗策略和手段仍存在诸多不足,包括术中成功率不高,术后复发率高等。鉴于临床及实验研究的局限性,国际上越来越多的研究小组利用计算机仿真建模来研究各种心脏疾病的发生及维持机制,并利用这种方
随着近年来临床数据的快速积累,基于回顾性数据的临床决策支持研究已成为医学信息学领域的一项研究重点。然而,现有决策支持研究大多着眼于对单一特定疾病的针对性建模,往往忽视了临床实践中广泛存在的疾病关联关系;少数研究已基于多标签学习范式对疾病关系加以利用,但现有通用算法仍无法满足临床决策支持的诸多领域需求。因此,研究面向决策支持任务的领域性多标签学习方法,实现疾病关联信息高效利用,对提升临床决策支持研究
制动摩擦副和轮轨摩擦副是车辆系统中两个重要的摩擦接触副,其工作稳定性直接影响列车的正常运行以及行车安全。当摩擦副发生自激振动时,往往会引起接触部件之间产生振动和冲击,并传递到相关连接部件,加速部件的磨损和疲劳损伤等故障,同时产生剧烈尖叫噪声,降低乘车舒适性。轮轨系统的钢轨波磨和车轮多边形磨耗是典型的轮轨损伤问题,严重影响轨道结构及其相关零部件的精度、可靠性和使用寿命。已有研究发现,摩擦自激振动可能
磁共振化学交换饱和转移(CEST)成像因可以探测到人体内多种低浓度代谢产物而被广泛应用于各类疾病的临床诊断。然而,CEST成像技术仍面临主磁场(B0场)频率漂移、饱和时间不足、饱和强度不均匀、饱和方案待优化等诸多技术挑战导致CEST成像的稳定性和敏感度仍不能满足临床需求。在本文中,我们旨在解决这些技术挑战,以提高CEST成像稳定性和敏感度。1.本文提出了基于梯度回波读出的频率稳定CEST序列用于B
肺部疾病是肺脏病变或全身性疾病的肺部表现。随着人口老龄化、疾病年轻化等问题日益凸显,未来肺部疾病患病人数也会显著增多,尤其是肺癌和肺部感染对人体生命健康构成了极大威胁。目前临床上肺部疾病诊断技术通常是侵入性或辐射性的,尚未实现快速便捷的无创筛查。此外,化疗作为常见的肺癌治疗方法,药物引起的心脏毒性也须预先评估。本文致力于研究乐甫(Love)型声表面波传感器的设计与制造方法,自主搭建了一套基于该传感
尿液是生物疾病标志物的重要来源,因为尿液易于收集,含有较少的蛋白质,而且直接反映了肾脏的病理变化。尿液分析常被用作常规的医学检查,可用于癌症,泌尿疾病等疾病的早期诊断。尿液中疾病标志物的检测方法有很多,包括色谱法,电化学法,荧光光谱和比色法等,其中比色法由于灵敏度高,操作简便,检测快速,能更好的普及基层,更符合疾病早期筛查的要求。因此比色法作为现场快速检测疾病标志物的手段大有潜力。本论文研究了纳米
随着我国医疗信息化的不断发展,电子病历在临床诊疗中发挥着越来越重要的作用。电子病历中包含患者的检查异常、指标变化趋势、疾病风险因素等非明示化疾病隐含信息,对于临床诊疗、风险预警和早期筛查具有重要的临床价值。然而在临床实践中,电子病历中的隐含疾病信息并未得到充分利用:医疗专科化使得医生对于其他科室疾病的临床信息不敏感、不关注,对于患者数据中隐含疾病风险因素容易忽略。同时,患者跨机构就诊造成电子病历数
磁共振成像(MRI)作为现代医疗影像体系中的一个重要组成部分,得到了越来越广泛的应用。其中,作为必不可少部件之一的梯度线圈,为图像重建提供了重要的空间编码信息。为设计出更高性能的梯度线圈,提高其产生的梯度强度,增加梯度切换速率,减少线圈自身的阻抗,以满足不断提高的成像要求,愈发复杂的空间结构以及更加严格的工程限制,梯度线圈的设计方法也随之不断发展。为适应MRI对梯度线圈性能不断增长的需求,本文以有