-
题名基于改进残差神经网络和稀疏表示的脑部图像融合
- 1
-
-
作者
张亚加
黑荣婷
海梅
刘亚基
邵建龙
-
机构
云南开放大学城市建设学院
昆明理工大学信息工程与自动化学院
-
出处
《陕西理工大学学报(自然科学版)》
2025年第2期91-100,共10页
-
基金
国家自然科学基金项目(61302042)
云南开放大学科学研究基金专项课题(23YNOU43)。
-
文摘
为了更好地提取融合图像的细节特征,保留更多有用信息,提高病灶结构检测能力,进而提高融合结果的清晰度,增强视觉效果,降低时间成本,提出了一种结合改进残差网络和稀疏表示的图像融合算法。使用边缘保持滤波器组分解源图像获得高、低频分量;对于稀疏性较差且含有较多结构信息的低频分量,设计了一种多范数加权度量的稀疏表示进行处理;对于含有较多纹理细节的高频分量,使用上下文转换模块对残差网络进行改进,提高特征提取的能力;最后,重构得到融合结果。从主观视觉和客观评价指标两个维度对结果进行综合评估,对比另外4种主流的融合方法,新推出的方法能够提高特征提取能力,保留更多有用的细节信息,增强了刻画病灶结构的能力,突出了病灶信息,在视觉效果和客观指标上均有显著优势,能够较好地为临床诊断、教学起到辅助作用。
-
关键词
改进残差神经网络
稀疏表示
上下文转换模块
多范数加权度量
特征提取
-
Keywords
improving residual neural networks
sparse representation
context conversion module
multi norm weighted metric
feature extraction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
