【摘 要】
：
本文提出了一种新的基于卷积神经网络(CNN)和加权最小二乘法(WLS)的医学图像融合算法. 算法主要步骤如下: 首先， 利用滚动导向滤波(RGF)和高斯滤波(GF)构成的混合多尺度分解工具将源图像分解为基础层和一系列细节层， 从而能够更好地保留尺度信息和边缘信息. 其次， 基于卷积神经网络给出基础层融合规则， 该规则能够更好地提取图像特征， 使融合图像能够很好继承源图像结构信息、能量信息和强度信息
论文部分内容阅读
本文提出了一种新的基于卷积神经网络(CNN)和加权最小二乘法(WLS)的医学图像融合算法. 算法主要步骤如下: 首先， 利用滚动导向滤波(RGF)和高斯滤波(GF)构成的混合多尺度分解工具将源图像分解为基础层和一系列细节层， 从而能够更好地保留尺度信息和边缘信息. 其次， 基于卷积神经网络给出基础层融合规则， 该规则能够更好地提取图像特征， 使融合图像能够很好继承源图像结构信息、能量信息和强度信息. 利用绝对值取大规则和加权最小二乘法优化策略， 对细节层进行融合， 使融合图像中包含更多的视觉细节信息
其他文献
针对2019年12月在中国武汉发现的新型冠状病毒，由于RT-PCR检测具有假阴性率过高且得出结果会花费大量时间等问题，研究证明计算机断层扫描（CT）已经成为了辅助诊断和治疗新型冠状病毒肺炎的重要手段之一。由于目前公开的COVID-19 CT数据集较少，本文提出利用条件生成对抗网络进行数据增强以获得更多样本的CT数据集，以此降低发生过拟合风险；另外提出一种基于BIN残差块的改进U-Net网络来进行图
配平翼机构在着陆巡视器进入火星大气的过程中根据指令由收拢状态完成展开锁定，进而将进入舱配平攻角降至合理范围内，其展开动力学性能对后续任务的成败至关重要。以配平翼机构功能的顺利实现为背景，研究复合材料构件的冲击动力学分析方法，建立了其有限元分析模型并基于隐式动力学算法对其展开过程进行了仿真。通过与地面试验结果对比验证了展开动力学分析模型的正确性。在此基础上，对配平翼机构进入火星大气过程中的两种气动载
随着医疗设备的不断改进，医学图像质量得到了大幅度提升。但是，受图像采集时间和人体承受放射剂量的限制，医学图像分辨率仍需进一步改进。在图像稀疏表示的相关理论中，双字典将图像高频细节信息看作是主要高频和残留高频的组合。基于此，提出一种基于双字典的医学图像超分辨率重建算法。首先，采用非下采样Contourlet变换提取图像特征；然后，这些特征被用于训练主字典和残差字典；最后，利用两种字典恢复出图像的主高
幸运成像技术是一种事后图像恢复技术，它能够有效减小大气湍流对图像质量的影响。传统的频域幸运成像算法在效果上优于传统的空域算法，它主要由图像预处理、数据选择和数据叠加三部分组成。本文提出了一种基于现场可编程门阵列（FPGA）的频域幸运成像算法，并在FPGA平台上构建了频域幸运成像的实验系统。本系统通过二维转换为两个一维实现的处理方式对天文图像数据进行了二维快速傅里叶变换（2D-FFT），采用频域数据
生成对抗网络已经广泛应用于图像去雾领域。不同于卷积神经网络去雾模型，生成对抗网络的计算和存储成本较高，很难应用于移动设备，而传统的网络压缩方法侧重于视觉识别任务，而非图像生成任务。为了解决这个问题，受到知识蒸馏的启发，提出一种基于生成对抗网络和知识蒸馏的去雾方法。通过提炼原重型教师网络生成器的低、高级信息，将知识迁移到具有较少权值参数的轻量型学生网络生成器中，并训练学生网络以更快的收敛速度达到与教
枝干光合是确实存在、但长期不被重视的植物碳获取的方式之一，可以帮助植物在极端环境下维持最基本的生理活动。本研究以白杨（Populus tomentosa）和小叶锦鸡儿（Caragana microphylla）为对象，枝干光合采用同化箱与CO_(2)/H_(2)O红外气体分析仪相结合的方法对植物枝干光合进行观测；叶片光合采用LI-6400观测，结合枝干经济和光学功能性状，阐明植物枝干光合作用的规律
针对交通标志尺度变化大导致检测精度低的问题，本文提出一种改进CenterNet的交通标志检测算法。采用ResNeSt50作为主干特征提取网络，引入PSConv(Ploy-Scale Convolution)改进网络卷积层结构。设计多尺度感受野模块，对ASPP(Atrous Spatial Pyramid Pooling)选取合适的膨胀率，利用注意力机制优化模块输出，提升对不同尺度标志的检测能力。在
针对保险丝线圈字符在采集过程中曝光过度含有大量的噪声以及线圈字符被压缩情况，使用投影法结合字符先验知识进行字符分割，并将膨胀之后的清晰字符用于LeNet网络识别。在识别中，首先将线圈中每个字符进行标注训练，使用改进的Faster R-CNN定位作识别，改进的部分为替换Backbone、寻找最佳Anchor参数、将RoI Pooling替换成RoI Align和设计损失函数。对比未改进网络和其他网络
在秦俑保护领域，为了降低秦俑碎片匹配及拼接的工作难度，更多的计算机辅助技术应用在破碎秦俑复原工作中核心环节的碎片分类。针对传统的秦俑碎片分类方法对碎片特征提取不充分以及秦俑碎片数据采集难度较高等问题导致的分类准确率低下。本文提出了一种基于数据增强的秦俑碎片深度分类模型。首先，通过条件生成式对抗网络对现有秦俑碎片数据集进行数据增强，实现秦俑数据集的扩充。其次，通过深度卷积神经网络自动且有效充分地提取
针对图像检索方法中二阶注意力模块使用全局特征之间的联系所生成的特征存在大量冗余信息，以及集成机制中各分支不能充分训练的问题，提出一种基于多注意力集成的图像检索方法.首先，该方法利用在图像分类任务中表现良好的独立自注意力模块捕捉局部特征之间的联系，生成质量更高的特征以用于图像检索.其次，该方法提出一个多注意力集成框架，在各注意力分支中分别利用独立自注意力模块产生相应的高效图像特征，并通过有效结合产生