期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到7篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于低秩与全变分联合正则化的低剂量CT图像重建
1
作者 刘宇 张鹏程 +5 位作者 张丽媛 刘祎 桂志国 张雪怡 朱陈一菲 汤豪威 《计算机应用》 北大核心 2025年第3期978-987,共10页
针对全变分(TV)最小化方法在低剂量计算机断层扫描(LDCT)图像重建中易导致的图像过平滑和块状效应等问题,提出一种基于低秩与TV联合正则化的LDCT图像重建方法,以提升LDCT重建图像的视觉质量。首先,建立一个基于低秩与TV联合正则化的图... 针对全变分(TV)最小化方法在低剂量计算机断层扫描(LDCT)图像重建中易导致的图像过平滑和块状效应等问题,提出一种基于低秩与TV联合正则化的LDCT图像重建方法,以提升LDCT重建图像的视觉质量。首先,建立一个基于低秩与TV联合正则化的图像重建模型,从而从理论上获得更精确和自然的重建结果;其次,通过引入具有非局部自相似特性的低秩先验克服仅使用TV最小化方法存在的局限性;最后,采用Chambolle-Pock(CP)算法优化求解上述模型,以提高模型的求解效率,并保证模型能有效求解。在3种不同LDCT扫描条件下验证所提方法的有效性。在Mayo数据集上的实验结果表明,与PWLS-LDMM(Penalized Weighted Least-Squares based on Low-Dimensional Manifold)方法、NOWNUNM(NOnlocal Weighted NUclear Norm Minimization)方法和CP方法相比,在25%剂量下,所提方法的视觉信息保真度(VIF)分别提升了28.39%、8.30%和2.93%;在15%剂量下,所提方法的VIF分别提升了29.96%、13.83%和4.53%;在10%剂量下,所提方法的VIF分别提升了30.22%、17.10%和7.66%。可见,所提方法在消除噪声和条纹伪影的同时能保留更多的细节纹理信息,验证了所提方法具有较好的噪声伪影抑制能力。 展开更多
关键词 低剂量计算机断层扫描 Chambolle-Pock算法 低秩 全变分 图像重建
在线阅读 下载PDF
基于多尺度引导滤波的宫颈细胞核图像分割 被引量：1
2
作者 令狐鑫瑶 陈燕 +4 位作者 张鹏程 刘祎 桂志国 赵伟 董展豪 《计算机应用》 北大核心 2025年第4期1333-1339,共7页
针对宫颈细胞核图像分割中上下文信息联系匮乏和边缘分割不准确且精度低等问题,提出一种基于Unet改进的结合密集块的U型卷积多尺度引导滤波模块的宫颈细胞核分割网络DGU-Net(Dense-Guided-UNet),可以更完整且精确地分割宫颈细胞核图像... 针对宫颈细胞核图像分割中上下文信息联系匮乏和边缘分割不准确且精度低等问题,提出一种基于Unet改进的结合密集块的U型卷积多尺度引导滤波模块的宫颈细胞核分割网络DGU-Net(Dense-Guided-UNet),可以更完整且精确地分割宫颈细胞核图像。首先,以编码器、解码器结构的U-net模型作为网络骨干提取图像特征;其次,引入密集块模块连接不同层之间的特征,实现上下文信息的传递,从而增强模型的特征提取能力;同时,在每次下采样后和上采样前引入多尺度引导滤波模块,从而引入灰度引导图像中明显的边缘细节信息,增强图像细节和边缘信息;最后,在每个解码器路径中都增加一个侧输出层,融合并平均所有输出的特征信息,从而融合不同尺度不同层次的特征信息,提升结果的准确性和完整性。在Herlev数据集上实验,并把所提网络与U-net、PGU-net+(Progressive Growing of U-net+)和LFANet(Lightweight Feature Attention Network)这3种深度学习模型对比。结果表明,与PGUnet+相比,DGU-Net的准确率提升了70.06%;与LFANet相比,DGU-Net的交并比(IoU)提升了6.75%。可见,DGU-Net在边缘细节信息处理上更准确,并在分割指标上普遍优于对比模型。 展开更多
关键词 多尺度引导滤波 密集块 宫颈细胞核 细胞核图像分割 U型网络
在线阅读 下载PDF
基于全变分正则项展开的迭代去噪网络 被引量：2
3
作者 侯瑞峰 张鹏程 +4 位作者 张丽媛 桂志国 刘祎 张浩文 王书斌 《计算机应用》 CSCD 北大核心 2024年第3期916-921,共6页
针对神经网络训练存在解释能力差以及不稳定问题,提出一种基于CP(Chambolle-Pock)算法求解的全变分(TV)正则项展开去噪网络(CPTV-Net),用于解决低剂量计算机断层扫描(LDCT)图像去噪问题。首先,向L1正则项模型引入TV约束项,以保留图像的... 针对神经网络训练存在解释能力差以及不稳定问题,提出一种基于CP(Chambolle-Pock)算法求解的全变分(TV)正则项展开去噪网络(CPTV-Net),用于解决低剂量计算机断层扫描(LDCT)图像去噪问题。首先,向L1正则项模型引入TV约束项,以保留图像的结构信息;其次,采用CP算法对去噪模型进行求解并得出具体迭代步骤,保证算法的收敛性;最后,借助浅层卷积神经网络学习线性操作的原始对偶变量迭代公式,用神经网络计算模型的解,并通过收集网络参数优化合并数据。在模拟和真实LDCT数据集上的实验结果表明,与残差编码器-解码器卷积神经网络(REDCNN)、TED-Net(Transformer Encoder-decoder Dilation Network)等五种先进的去噪方法相比,CPTV-Net具有较优的峰值信噪比(PSNR)、结构相似度(SSIM)和视觉信息保真度(VIF)评估值,能生成去噪效果明显和细节保留最为完整的LDCT图像。 展开更多
关键词 计算机断层扫描 模型驱动 原始对偶算法 卷积神经网络 图像去噪
在线阅读 下载PDF
基于梯度场的工业X射线图像增强算法 被引量：12
4
作者 周冲 刘欢 +3 位作者 赵爱玲 张鹏程 刘祎 桂志国 《计算机应用》 CSCD 北大核心 2019年第10期3088-3092,共5页
在X射线成像检测厚薄不均构件时,经常会出现对比度低或对比度不均以及照度低的问题,这会导致图像显示时构件的一些细节难以被观察与分析。针对这一问题,提出一种基于梯度场的X射线图像增强算法。该算法以梯度场增强为核心,分为两步:首先... 在X射线成像检测厚薄不均构件时,经常会出现对比度低或对比度不均以及照度低的问题,这会导致图像显示时构件的一些细节难以被观察与分析。针对这一问题,提出一种基于梯度场的X射线图像增强算法。该算法以梯度场增强为核心,分为两步:首先,提出一种基于对数变换的算法,压缩图像的灰度范围、去除图像冗余灰度信息、提升图像对比度;然后,提出一种基于梯度场的算法,增强图像细节、提升图像局部对比度、提高图像质量,使构件细节清晰显示在检测屏上。选择一组厚薄不均构件的X射线图像进行了实验,并与对比度受限自适应直方图均衡化(CLAHE)、同态滤波等算法进行了比较。实验结果表明所提算法具有更明显的增强效果,能更好地显示构件的细节信息,并且通过计算平均梯度和无参考结构清晰度(NRSS)纹理分析的定量评价标准进一步表明了该算法的有效性。 展开更多
关键词 图像增强 X射线 梯度场 对数变换 直方图
在线阅读 下载PDF
结合全卷积网络和K均值聚类的球栅阵列焊球边缘气泡分割 被引量：5
5
作者 赵瑞祥 侯宏花 +3 位作者 张鹏程 刘祎 田珠 桂志国 《计算机应用》 CSCD 北大核心 2019年第9期2580-2585,共6页
针对在球栅阵列(BGA)气泡检测中,由于图像干扰因素的多样性导致焊球存在边缘气泡与背景之间灰度级接近,从而造成焊球气泡分割结果不精确的问题,提出了一种结合全卷积神经网络(FCN)和K均值(K-means)聚类分割的焊球气泡分割方法。首先根... 针对在球栅阵列(BGA)气泡检测中,由于图像干扰因素的多样性导致焊球存在边缘气泡与背景之间灰度级接近,从而造成焊球气泡分割结果不精确的问题,提出了一种结合全卷积神经网络(FCN)和K均值(K-means)聚类分割的焊球气泡分割方法。首先根据所制作的BGA标签数据集搭建FCN,通过训练该网络得到合适的网络模型,再对待测BGA图像进行预测处理得到图像的粗分割结果;然后对焊球区域映射提取,通过同态滤波法提高气泡区域辨识度,再使用K-means聚类分割对图像进行细分割处理,得到最终分割结果图;最后对原图焊球及气泡区域进行标注识别。将所提出的算法与传统BGA气泡分割算法进行对比,实验结果表明,所提出的算法对复杂BGA焊球的边缘气泡分割精确,图像分割结果与其真实轮廓高度匹配,准确度更高。 展开更多
关键词 全卷积网络 K均值聚类 球栅阵列 边缘气泡 缺陷分割
在线阅读 下载PDF
平稳小波域深度残差CNN用于低剂量CT图像估计 被引量：7
6
作者 高净植 刘祎 +2 位作者 白旭 张权 桂志国 《计算机应用》 CSCD 北大核心 2018年第12期3584-3590,共7页
针对低剂量计算机断层扫描(LDCT)重建图像中存在大量噪声的问题,提出了一种平稳小波的深度残差卷积神经网络(SWT-CNN)模型,可以从LDCT图像估计标准剂量计算机断层扫描(NDCT)图像。该模型在训练阶段,将LDCT图像经平稳小波(SWT)三级分解... 针对低剂量计算机断层扫描(LDCT)重建图像中存在大量噪声的问题,提出了一种平稳小波的深度残差卷积神经网络(SWT-CNN)模型,可以从LDCT图像估计标准剂量计算机断层扫描(NDCT)图像。该模型在训练阶段,将LDCT图像经平稳小波(SWT)三级分解后的高频系数作为输入,将LDCT图像高频系数与NDCT图像高频系数相减得到残差系数作为标签,通过深度卷积神经网络(CNN)学习输入和标签之间的映射关系;在测试阶段,利用此映射关系即可从LDCT图像的高频系数中预测NDCT高频系数,最后通过平稳小波反变换(ISWT)重构预测的NDCT图像。实验采用50对大小为512×512的同一体模的常规剂量胸腔及腹腔扫描切片和投影域添加噪声后的重建图像作为数据集,其中45对作为训练集,其余5对作为测试集。将所提模型与效果较好的非局部降噪算法、K-奇异值分解(K-SVD)算法、匹配三维滤波(BM3D)算法及图像域CNN(Image-CNN)模型对比,实验结果表明,SWT-CNN模型预测的NDCT图像信噪比(PSNR)和结构相似性(SSIM)高,且均方根误差(RMSE)小于其他算法处理结果。该模型对于提高低剂量CT图像质量是可行且有效的。 展开更多
关键词 低剂量计算机断层扫描 平稳小波变换 卷积神经网络 残差学习 深度学习
在线阅读 下载PDF
基于卷积神经网络的时频域CT重建算法 被引量：3
7
作者 李昆鹏 张鹏程 +3 位作者 上官宏 王燕玲 杨婕 桂志国 《计算机应用》 CSCD 北大核心 2022年第4期1308-1316,共9页
针对采用时域滤波器解析重建后图像存在伪影和图像细节丢失等问题,提出了一种基于卷积神经网络(CNN)的时频域计算机断层扫描(CT)重建算法。首先,在频域中构建了基于卷积神经网络的滤波器网络,实现投影数据的频域滤波;其次,利用反投影操... 针对采用时域滤波器解析重建后图像存在伪影和图像细节丢失等问题,提出了一种基于卷积神经网络(CNN)的时频域计算机断层扫描(CT)重建算法。首先,在频域中构建了基于卷积神经网络的滤波器网络,实现投影数据的频域滤波;其次,利用反投影操作算子对频域滤波后结果进行域转换得到重建图像;接着,在图像域构建网络对来自反投影层的图像进行处理;最后,在采用最小均方误差损失函数基础上引入多尺度结构相似度损失函数组成复合损失函数,减轻神经网络对结果图像的模糊效应,保留重建图像细节。图像域网络和投影域滤波网络联合作用,最终得到重建结果。在临床数据集上验证了所提算法的有效性,相较于滤波反投影(FBP)算法、全变分(TV)算法及图像域残差编解码CNN(RED-CNN)算法,当投影数目分别为180和90时,所提算法重建结果图像信噪比(PSNR)和结构相似度(SSIM)最高,且归一化均方根误差(NMSE)最小;当投影数目为360时,所提算法仅次于TV算法。实验结果表明,所提算法可以提高CT图像重建图像质量,是一种可行且有效的方法。 展开更多
关键词 计算机断层扫描 数据驱动 卷积神经网络 频域滤波 图像重建
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部