边缘增强结合多尺度信息融合的皮肤病变分割

针对皮肤病灶大小不一、与周围皮肤对比度低、边界模糊不规则、存在伪影及毛发干扰等问题,本文提出一种边缘增强结合多尺度信息融合的皮肤病变分割算法,该算法由编码器、多尺度感知模块、边缘增强模块、轻量化解码器组成.首先在编码器中构建Transformer模块以提取全局信息,使用卷积操作以提取局部信息;其次设计多尺度感知模块,采用密集连接结构的门控空洞卷积金字塔模块来融合多尺度特征;接着构建边缘增强模块,利用深层特征促进对边缘特征的探索以更好的保留细节和边缘信息;最后设计轻量化解码器,采用CARAFE轻量化算子进行上采样,在使用相对较少参数的情况下保持较高的分割精度.在公开数据集ISIC2016和ISIC2018上做对比实验,结果表明,本文算法分割精度高于其他流行算法.

用于位场场源水平边缘增强的均衡形态学滤波器

位场场源水平边缘的增强对于地质构造研究具有重要意义。现有用于源水平边缘增强的滤波器多数基于位场数据的导数构建,但这些滤波器常表现出一些不足,如输出边缘发散、无法均衡强弱异常或结果中存在额外虚假边缘等。本文通过数学形态学基本算子的组合叠加,首先定义了基于数学形态学的边缘增强滤波器MMA,为了使该滤波器具备均衡不同振幅异常的能力,提出了MMAZ和MMAT滤波器,通过二者的极大值位置均可实现对位场场源边缘的圈定。合成数据试验结果表明,MMAZ和MMAT滤波器具有很好的均衡能力和抗噪性能,同时相比传统几种滤波器,根据这两种滤波器获得的地质体水平边缘更加清晰收敛,而且针对包含正负异常的地质情况,输出结果中没有额外边缘的产生。最后将这两种新的均衡滤波器应用到老挝万象盆地某钾盐矿区的重力异常和中国西北某金属矿区航磁异常数据的处理中,获得的构造线位置更加准确清晰,从而进一步说明了这两种滤波技术的有效性。

改进U-Net的多级边缘增强医学图像分割网络

医学图像分割精度对医师临床诊疗起到关键作用,但由于医学图像的复杂性以及目标区域的多样性,造成现有医学图像分割方法存在边缘区域分割不完整和上下文特征信息利用不充分的问题。为此,提出一种改进U-Net的多级边缘增强(MEE)医学图像分割网络(MDU-Net)模型。首先,在编码器结构中加入提取双层低级特征信息的MEE模块,通过不同扩张率的扩张卷积块获取特征层中丰富的边缘信息。其次,在跳跃连接中嵌入融合相邻层特征信息的细节特征关联(DFA)模块,以获取深层次和多尺度的上下文特征信息。最后,在解码器结构对应特征层中聚合不同模块所提取的特征信息,通过上采样操作得到最终的分割结果。在2个公开数据集上的实验结果表明,与用于医学图像分割的Transformers强编码器(TransUNet)等模型相比,MDU-Net模型能够高效使用医学图像中不同特征层的特征信息,并在边缘区域取得了更好的分割效果。

基于差分融合与边缘增强的轻量级红外与可见光图像融合算法

为了解决现有融合方法在融合性能与计算资源消耗上存在不平衡的问题,提出了一种基于差分融合与边缘增强的轻量级红外与可见光图像融合算法。该方法通过基于结构重参数化的编码器和深度编码块来提取图像特征信息,用差分融合模块(DFM)融合不同模态的特征信息,再将融合后的特征信息通过边缘增强模块(EEM)来强化特征的边缘信息。在训练完成后,用结构重参数化技术优化多分支结构和推理速度,在融合性能不变的情况下,降低网络的计算资源消耗。最后,在MSRS和TNO数据集上进行的实验表明,所提方法在视觉效果和定量指标方面具有优越性。

基于多尺度动态卷积和边缘增强的低剂量CT去噪

计算机断层扫描(CT)技术广泛应用于疾病检测与筛查,然而在扫描过程中产生的X射线辐射会对人体造成伤害.采用低剂量CT可以减少患者的辐射暴露,但是重建的图像会有显著的噪声和伪影,干扰医生的诊断.针对这一挑战,众多学者提出了基于传统卷积神经网络的低剂量CT去噪算法,并已取得显著成就.然而,传统卷积在不同像素位置共用相同卷积滤波器,这会忽略不同图像区域的内容差异,导致去噪结果的过度平滑化.为避免这一问题,本文提出一种基于多尺度动态卷积和边缘增强的低剂量CT去噪网络MDCEENet,旨在在去噪过程中保留更多的图像纹理和结构细节.MDCEENet是自编码器结构,包含编码器和解码器两个主要模块.具体而言,将低剂量CT图像及其边缘信息输入到编码器中,通过多尺度特征流MFS和边缘信息流EIS,分别提取多尺度图像特征和图像边缘特征,并将它们融合成引导信息GI,引导解码器中多尺度动态卷积块MDConvBlock的参数生成.在GI的引导下,MDConvBlock模块对上采样特征进行多尺度空洞卷积计算,旨在获取更高质量的重建图像.本文在Mayo Clinic公开的两个数据集上执行了相关实验,通过实验结果可知,MDCEENet的去噪效果优于DnCNN、RED-CNN、WGAN、CNCL、NBNet,获得了最优的平均峰值信噪比和平均结构相似性指标,这表明本文提出方法的优越性.本文还在这两个数据集上进行了消融实验,来说明MDCEENet中引入多尺度动态卷积和边缘信息的有效性,以及与ADFNet网络的区别.实验结果表明了本文提出的方法相比于ADFNet更适用于低剂量CT去噪任务.

基于区域特征优化及边缘增强的多聚焦图像融合

针对多聚焦图像融合中存在的聚焦信息缺失、边缘特征表达不充分的问题,提出了一种基于聚焦区域特征优化及边缘增强的多聚焦图像融合方法。首先,提出了一种四流向的聚焦特征增强网络,在图像编码过程中实现聚焦特征的增强与补全;其次,提出了一种新的基于空间频率(NSF)的聚焦区域提取策略,实现对聚焦区域特征的高效提取;最后,提出了一种边缘特征增强模块,通过计算图像边缘梯度,实现对目标区域的边缘信息增强。在Lytro数据集与MFFW数据集中与8种融合方法进行定性与定量对比。实验结果表明,该融合方法较好地解决了多聚焦融合图像中聚焦特征表达不充分、纹理细节不完整和边缘模糊等问题,视觉效果显著。

基于边缘增强与注意力机制的SAR舰船检测模型

合成孔径雷达图像用于舰船检测时,不可避免地受到相干斑噪声影响,并且近岸舰船检测易被复杂背景信号淹没。对此提出一种基于边缘特征融合网络的舰船检测算法RBox-YOLO,以YOLOv8为基线网络通过优化Canny算子边缘来增强图像中的边缘轮廓,形成较完整的物体边界。引入一种基于坐标注意力机制的FDN模块融合去噪后图像,以提高复杂背景下捕获关键信息的能力。采用双线性插值法的上采样与注意力机制结合的CAU模块,减少上采样带来的细节特征损失。另外,使用一种基于旋转框的损失函数来提高复杂背景下舰船的检测效果。实验结果表明,RBox-YOLO算法既保持了YOLOv8算法实时检测速度,平均精度还提高了8个百分点。初步判定RBox-YOLO算法具有良好的检测性能和较高的应用价值。

融合边缘增强与多尺度注意力的皮肤病变分割

皮肤病变形状、颜色、大小类型多样,给皮肤病变的准确分割带来了巨大挑战。针对这一问题,提出了一种融合边缘增强与多尺度注意力的皮肤病变分割网络(BEMA U-Net)。该网络包含一个用于提取全局特征的空间多尺度注意力模块和一个用于增强病变区域边缘特征的边缘增强模块,将两种模块添加到以编码解码结构为主干的网络(U-Net)中,能够有效抑制病变图像中背景噪声的干扰并强化病灶的边缘细节。此外,设计了混合损失函数,结合Dice Loss和Boundary Loss,并在训练过程中实现混合损失函数的动态权重调整,使网络对病变图像整体特征和边缘细节特征的提取进行多重监督,缓解了皮肤病变图像分割中毛发干扰和边缘模糊的问题。在ISIC2017和ISIC2018两个公开数据集上的实验结果表明,所提算法对皮肤病变部位的分割图像边缘连续、轮廓清晰,具有更好的分割效果。

融合边缘增强与非局部模块的遥感图像超分辨率重建生成对抗网络

针对遥感图像成像过程中噪声污染严重,超分辨率重建图像存在目标边缘模糊和伪影等问题,本文提出一种融合边缘增强与非局部模块的遥感图像超分辨率算法(Edge-Enhanced and Non-local Modules Generative Adversarial Net⁃work,ENGAN)。为了使图像细节边缘更清晰,本文融合一种图像边缘增强模块;同时,为进一步扩大模型感受野和增强去除边缘噪声性能,改进边缘增强模块中的Mask分支;此外,引入非局部模块,通过更好地利用图像的内在特征相关性,进一步提升了网络的重建性能。本文在UCAS-AOD和NWPU VHR-10两种遥感图像数据集上进行多个算法的对比实验,结果表明本文提出的方法在多个评价指标上均有所改善。以退化类型Ⅳ为例,本文方法相比深度盲超分辨率退化模型,4倍超分辨率的SSIM提升了0.068,PSNR提升了1.400 dB,RMSE减少了12.5%,且重建后的遥感图像相较于原始图像可以得到更好的地面目标检测结果。

基于跨尺度边缘增强深度卷积神经网络的低剂量CT图像去噪

为了提高去噪网络的可解释性,将传统滤波算子的优势融入到网络设计中,提出了基于跨尺度边缘增强的深度卷积神经网络(CEDCNN).将传统边缘算子与卷积相结合,设计出轻量化的边缘增强模块,增强边缘信息对网络结果的影响.基于自适应一致性先验算法构建深度迭代网络,进一步提取边缘增强特征,从而实现端到端可训练、可解释的深度去噪网络.将均方误差和多尺度注意残差感知损失相结合,解决了重建图像过平滑的问题.实验结果表明,CEDCNN去噪网络的PSNR、RMSE、SSIM评价指标分别为43.647 5 dB、0.006 8、0.987 5,说明该方法可显著提高去噪后的图像质量,有效保证低剂量X射线下CT图像的成像质量和精度,去噪效果与正常剂量CT图像所展现的人体组织细节相当.

低频重分布与边缘增强的红外图像增强算法

针对现有的红外图像增强方法存在欠增强、过增强以及微小细节丢失等缺陷,提出了低频重分布与边缘增强的红外图像增强算法。用基于改进引导滤波的Retinex将红外图像分解为低频和高频图像。为了充分利用像素级的动态空间,对低频图像进行均匀重分布,以提升图像的亮度和清晰度;用提出的方向梯度算子对高频图像进行边缘提取,再对高频图像进行边缘增强,进一步提升图像的对比度。将经增强处理的低频和高频图像作Retinex反变换,得到增强效果的红外图像。实验结果显示,相对于部分现有方法,本文方法的增强图像的信息熵和Brenner指数更高,而NIQE指数更小,因此本文方法能更有效地提升红外图像的对比度,在增强图像纹理细节的同时更好地保持图像的自然度。

基于DR边缘增强图像处理技术在肺结核诊断中的应用探讨

目的:探索肺结核诊断中开展基于DR边缘增强图像处理技术的诊断价值。方法:筛选我区定点医院收治的疑似肺结核患者作为研究样本,时间源:2021年1月至2021年12月,70例疑似患者经过病理诊断确诊66例,并以此结果作为金标准参考,对患者开展DR边缘增强胸片、常规DR胸片诊断,观察两种方法的诊断结果。结果:70例疑似肺结核患者(经过病理诊断确诊66例),DR边缘增强胸片诊断结果:阳性66例,阴性4例(包含1例假阴性、1例假阳性),常规DR胸片诊断检出阳性患者59例,阴性患者11例,假阴性9例(漏诊),假阳性2例(误诊),两组诊断符合率、灵敏度存在显著差异(P<0.05),特异度无统计学差异(P>0.05)。66例患者病理诊断检出病灶79个,DR边缘增强胸片检测支气管扩张、胸膜增厚、肺大泡、肺门淋巴结肿大、纵隔淋巴结肿大、胸腔积液比常规DR胸片检出率更高,差异显著(P<0.05)。结论:肺结核诊断中应用基于DR边缘增强图像处理技术效果较为显著,可以精准诊断患者病症,降低外界因素产生的干扰,提高诊断准确率,为患者的病症确诊与治疗提供良好的参考,促使患者及早康复,应用价值显著。

一种基于边缘增强的高效图论图像分割算法

EGBIS算法能够对目标图像进行快速的分割,但EGBIS算法在某些情况下,依旧存在高变化区域过分割和低变化区域欠分割的问题。为了在分割时更好保持视觉重要区域的完整,本文提出利用增强目标图像区域边缘的方式对EGBIS算法加以辅助,结合梯度信息和非极大值抑制来获取较为精准的区域边缘位置,并有选择的对显著边缘加以增强,对增强后的图像利用EGBIS算法进行分割。本文算法可以很好的提升分割结果的全局特性,在解决高变化区域过分割问题的同时,很好保持各视觉重要区域间的边界。本文所提出的边缘增强辅助,不会引入过多的运算,保持了原EGBIS算法高效的特性。

基于各向异性扩散方程的超声图像去噪与边缘增强

超声图像利用不同组织和局部细节的不同回声信号强度和分布来捕捉重要的医学病变信息.然而,超声图像在形成过程中产生的斑点噪声使得超声图像质量较差,给以后的图像特征提取和识别,病情诊断及定量分析造成不利的影响.本文利用局部坐标变换,边缘、局部细节的一、二阶法向导数和双曲正切函数,结合各向异性扩散方程,提出了一种超声图像去噪与边缘增强算法:可以在去除噪声的同时,保持重要的边缘、局部细节和超声回声亮条.理论分析和实验结果表明了本文算法的有效性.

基于径向希尔伯特变换的图像边缘增强特性研究

研究了基于螺旋相位频谱滤波器滤波的径向希尔伯特变换对不同边缘分布图像的增强特性.给出了拓扑荷n=1的有限孔径螺旋相位滤波器点扩散函数的解析表达式,并利用圆孔、汉字和人像等三幅不同边缘分布密度的图像进行了边缘增强的模拟计算.结果表明,基于螺旋相位频谱滤波的径向希尔伯特变换会使边缘增强图像具有立体浮雕效果,并且随着输入图像的边缘分布密度变大,立体浮雕效果会越显著.通过理论分析得出,这一现象是由螺旋相位滤波器点扩散函数中的次极大分布与输入图像边缘卷积引起的.这一结论为图像的信息处理提供了一些有利的手段.

基于边缘增强的二维码区域快速检测定位算法

在复杂背景下,传统的边缘提取和形态学操作方法很难准确分割出二维码区域。针对该问题,提出一种工业用二维码区域快速检测定位算法。将Max-Min算法和Canny算子相结合用以滤除图像中的背景噪声,同时增强目标的特征信息,再采用投影法进行初定位,利用形态学操作实现精确定位,并验证条码区域定位的准确性。实验结果表明,该方法检测定位速度快、精度高。

基于形态学的红外图像边缘增强

针对基本的形态学滤波的缺陷提出了一种新的基于形态学的红外图像边缘增强方法,能有效地增强边缘并平滑噪声,明显地改善视觉效果。

利用螺旋型波带片进行边缘增强成像

为了提高对等离子体内界面区域的诊断精度,研究了利用螺旋型波带片实现边缘增强成像的技术。制作了用于可见光波段的一阶螺旋型波带片,最外环宽度3μm。利用螺旋型波带片对振幅式物体进行了边缘增强成像,实验获得了成像物体内边界区域的清晰图像,界面区域的成像强度得到很大增强。通过实验测量发现,当物距在菲涅耳衍射区域内时,螺旋型波带片也能够获取较好的成像质量,表明螺旋型波带片具有较大的视场角,能够对大尺度物体进行边缘成像。基于螺旋型波带片的边缘增强成像可以弥补传统成像方式对界面区域成像的不足,提高对等离子体内界面区域的诊断能力。

基于图像块和边缘增强的运动目标检测

针对复杂背景下的噪声、动态背景和阴影等影响,提出一种基于图像块和边缘增强的运动目标检测算法。用图像块建模,按掩膜结构特点修补断桥使掩膜连续,采用高层图像金字塔建模得到目标质心,用于提取目标,用Sobel平移算子得到细化的边缘,按边缘信息对掩膜进行增强处理从而得到完整的目标。实验结果表明,该算法可有效提取目标,消除单高斯建模法去除不了的复杂背景和阴影,克服传统帧差法常见的边缘不完整的缺点。

分形理论在医学图像边缘增强和检测中的应用研究

本文利用分形几何学对医学图像边缘的增强和检测进行了应用研究。我们采用频域法对典型的医学图像－512×512的CT灰度图像计算它的分形维值。根据分形维值的变化来达到边界检测和增强的目的。结果表明，经处理过的图像与原图像相比较，不同结构的边界有了明显的增强，特别是对图像中的肿瘤结构能更好的识别出来，该方法的应用为医学图像处理和分析领域提供了新的手段和方法。