换一批基于残差网络的结直肠内窥镜图像超分辨率重建方法
Super-resolution reconstruction for colorectal endoscopic images based on a residual network
摘要针对结直肠镜图像分辨率偏低、纹理信息偏少和细节模糊等缺点,提出了一种基于残差注意力网络的图像超分辨率重建算法SMRAN,选取结直肠息肉内窥镜图像数据集PolypsSet中的部分图像作为原始数据进行实验.首先,使用卷积网络提取低分辨率图像的浅层特征;其次,设计Res-Sobel结构对图像边缘特征进行增强;然后,通过引入不同大小的卷积核,设计多尺度特征融合模块(Multi-Scale feature Extraction Block,MEB),自适应地提取不同尺度的特征,从而得到有效的图像信息,并通过残差注意力网络将Res-Sobel模块和多尺度特征融合模块MEB进行连接;最后,通过亚像素卷积层对图像进行重建,得到最终的高分辨率图像.在尺度因子为x4时,网络在测试集上的测试结果如下:峰值信噪比PSNR为34.25 dB,结构相似性SSIM为0.8675.实验结果表明,与传统的双三次插值算法及常用的SRCNN、RCAN等深度学习算法相比,本文提出的SMRAN对结直肠内窥镜图像具有更好的超分辨率重建效果.
更多相关知识
关键词
内窥镜图像超分辨率重建残差结构注意力机制多尺度特征融合索贝尔算子endoscopic imagesuper-resolution reconstructionresidual structureattention mechanismmulti-scale feature extractionSobel operator
分类号
TP391.41
栏目名称
DOI
10.37188/CO.2022-0247
发布时间
2023-11-22（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引6
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
