-
题名基于深度学习的低光照图像增强研究综述
被引量：1
- 1
-
-
作者
孙福艳
吕准
吕宗旺
-
机构
河南工业大学信息科学与工程学院
中原智慧园区与智能建筑研究院
-
出处
《计算机应用研究》
北大核心
2025年第1期19-27,共9页
-
基金
国家重点研发计划资助项目(2022YFD2100202)。
-
文摘
低光照图像增强的目的是优化在光线不足的环境中捕获的图像,提升其亮度和对比度。目前,深度学习在低光照图像增强领域已成为主要方法,因此,有必要对基于深度学习的方法进行综述。首先,将传统低光照图像增强方法进行分类,并分析与总结其优缺点。接着,重点介绍基于深度学习的方法,将其分为有监督和无监督两大类,分别总结其优缺点,随后总结应用在深度学习下的损失函数。其次,对常用的数据集和评价指标进行简要总结,使用信息熵对传统方法进行量化比较,采用峰值信噪比和结构相似性对基于深度学习的方法进行客观评价。最后,总结目前方法存在的不足,并对未来的研究方向进行展望。
-
关键词
低光照图像增强
深度学习
有监督
特征提取
无监督
-
Keywords
low-light image enhancement
deep learning
supervised
feature extraction
unsupervised
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名深度学习在结肠息肉分割中的应用综述
被引量：3
- 2
-
-
作者
孙福艳
王琼
吕宗旺
龚春艳
-
机构
河南工业大学信息科学与工程学院
中原智慧园区与智能建筑研究院
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第23期15-27,共13页
-
基金
国家自然科学基金(62073123)。
-
文摘
大部分结直肠癌起源于结肠息肉的恶性病变,使用计算机辅助诊断系统实现结肠息肉的自动精准分割具有重要的临床意义,能够在结肠镜检查过程中辅助医生提高息肉检出率。目前深度学习技术在医学图像分割领域应用广泛,基于深度学习的结肠息肉分割算法也取得了重大进展。简要介绍了传统息肉分割算法及其优点和局限性。重点从三个方面对深度学习息肉分割算法进行综述:基于经典CNN结构、基于U-Net结构和基于多模型融合的分割模型,并总结算法改进策略及其优势和局限性。归纳结肠息肉图像公开数据集及数据预处理方法,最后总结基于深度学习的息肉分割研究面临的挑战,并对该领域未来的研究方向做出展望。
-
关键词
结肠息肉
深度学习
医学图像分割
息肉分割
-
Keywords
colon polyps
deep learning
medical imaging segmentation
polyp segmentation
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
R318
[医药卫生—生物医学工程]
-
