面向模糊医学图像边缘检测的卷积网络

考虑到传统边缘检测算法难以处理模糊的医学图像,提出一种基于深度学习的边缘检测网络ECENet.首先,本文网络基于CHRNet模型,对其最后两层进行剪枝,使模型更加高效和轻量化.其次,在网络的特征提取阶段加入注意力模块SKSAM,优化图像特征的自适应提取,并降低噪声的影响.最后,在多尺度的网络输出上采用上下文感知融合块进行连接,帮助模型更好地理解图像的结构和语义信息.此外,综合考虑像素级别的准确性和边界的平滑性,优化了损失函数,为模型训练提供更好的梯度信号.实验结果表明:本文算法在最佳数据集规模(ODS)和最佳图像比例(OIS)指标分别提高到0.816和0.823;相关边缘指标参数显著提高,PSNR提高了16.8%,SSIM提高了37.6%.