换一批基于空洞卷积的医学图像超分辨率重建算法
Super-resolution reconstruction algorithm of medical images based on dilated convolution
摘要为解决现有医学图像超分辨率重建中存在的图像细节模糊、全局信息利用不充分等问题,提出一种基于空洞卷积与改进的混合注意力机制的医学图像超分辨率重建算法.首先,将深度可分离卷积与空洞卷积相结合,使用不同大小的感受野对图像进行不同尺度的特征提取,从而增强特征表达能力;其次,引入边缘通道注意力机制,在提取图像高频特征的同时融合边缘信息,从而提高模型的重建精度;再次,混合L1损失与感知损失函数作为整体损失函数,使重建后的图像效果更符合人类视觉感观.实验结果表明,在放大因子为3时,与基于卷积神经网络的图像超分辨率(SRCNN)算法、VDSR(Very Deep convolutional networks Super-Resolution)相比,所提算法的峰值信噪比(PSNR)平均提高了11.29%与7.85%;结构相似性(SSIM)平均提高了5.25%和2.44%.可见,所提算法能增强医学图像的效果与纹理特征,且对图像整体结构还原更加完整.
更多相关知识
关键词
超分辨率重建医学图像深度可分离卷积空洞卷积注意力机制super-resolution reconstructionmedical imagedepthwise separable convolutiondilated convolutionattention mechanism
分类号
TP391.1
栏目名称
DOI
10.11772/j.issn.1001-9081.2023030381
发布时间
2023-10-09（万方平台首次上网日期，不代表论文的发表时间）
- 浏览2
- 被引12
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
