基于通道注意力与空洞卷积的胸片肺气肿检测算法

胸片中的肺气肿检测算法在临床辅助诊断中具有重要研究意义.针对已有算法缺乏特征通道筛选能力,特征图感受野较小易受局部组织噪声干扰,以及难易样本不均衡等问题,提出了一种基于通道注意力与空洞卷积的胸片肺气肿检测算法EDACD.首先,利用通道注意力模块构建了具有通道选择能力的特征提取网络SE-ResNet及特征金子塔网络SE-FPN.同时,使用空洞卷积代替了SE-ResNet中部分普通卷积,通过增大特征图感受野,提高所提特征鲁棒性.最后,采用焦点损失作为分类损失函数使网络专注困难样本训练.此外,训练过程中采用限制对比度自适应直方图均衡化算法对胸片进行预处理,进一步突出了肺气肿特征.通过数据扩充、聚类标签优化先验框参数的方式,克服肺气肿标注数据稀缺及传统先验框设置不符合肺气肿尺度等问题.在ChestX-Det10和ChestX-Det14数据集中的主、客观实验表明,所提算法较对比算法具有更好的肺气肿病灶检测能力.

基于双树复数小波四元数卷积网络的Copy-move盲取证算法

随着图像编辑软件的普及与完善,使得人们通过Copy-move操作便可伪造图像,而现有的Copy-move盲取证算法很难提取到彩色图像的一致性特征,且结果依赖于手动调节参数,难以定位到准确的篡改区域.为此,利用四元数卷积网络提取彩色图像空间一致性信息和双树复数小波提取图像局部信息的优势,提出了一种基于双树复数小波四元数卷积网络的Copy-move盲取证算法.首先,将图像表示为四元数并输入到四元数卷积网络中,提取彩色图像的颜色一致性特征,并将双树复数小波变换的高频子带与卷积网络的特征图联合学习图像的局部特征.其次,计算特征向量之间的相似性分数.然后,利用卷积网络提取较高分数的特征,定位相似区域,在一定程度上解决了匹配时手动调节参数的问题;并构建了一个仅定位粘贴区域的辅助分支来区分相似区域.最后,融合了相似和粘贴区域得到能够区分复制和粘贴位置的结果.在CoMoFoD和CASIA CMFD数据集上的主客观实验表明,该算法提升了Copy-move盲取证的定位性能.

基于超复数小波和图像空域的卷积网络融合注视点预测算法

针对已有注视点预测模型存在特征细节缺失、尺度单一和背景信息干扰严重导致的注视点预测精度偏低等问题,提出了一种基于超复数小波和图像空域的卷积网络融合注视点预测算法.首先,针对细节特征丢失问题,使用超复数小波变换在频域中提取图像的细节特征,与卷积网络提取的空域特征进行融合.然后,通过空洞空间金字塔池化模块,融合不同感受得到的特征图,有效解决了特征尺度单一的问题.最后,引入了残差卷积注意力模块,结合空间和通道的注意力机制,能够有效抑制背景信息的干扰,提高注视点预测精度.在SALICON数据集上,CC、sAUC和SIM评价指标下,该算法的性能达到0.8847、0.7693和0.7780;在CAT2000数据集上,该算法在相应指标下的性能为0.7355、0.8701和0.6645.主客观对比实验结果表明,该算法具有较好的注视点预测能力.