换一批基于多尺度特征融合的电子支气管镜暗区无监督视觉增强算法
Unsupervised visual enhancement for dark regions in electronic bronchoscopic images based on multi-scale feature fusion
摘要目的:探讨基于深度学习的视觉增强网络在电子支气管镜图像检测价值.方法:纳入600例术后检测患者基于支气管镜检测图像制作数据集,向多尺度视觉增强网络中分别引用基于Haar离散小波变换下采样、Vision Transformer、空间残差增强模块和高低频特征合融合模块来增强网络对图像中暗区域的恢复.与EnGAN和URetinex模型进行定性定量对比实验.结果:本文模型可以有效恢复图像暗区域.其在数据集中NIQE和BTMQI指标中效果最优,相比于原图NIQE降低13.01%,BTMQI提升11.62%.BRISQUE指标效果也极其优秀,相比于原图降低9.15%.通过定性对比实验,本文模型可视化效果强于其他模型.结论:本文模型可提升电子支气管镜图像暗区域的恢复效果.
更多相关知识
关键词
深度学习离散小波变换电子支气管镜视觉增强deep learningdiscrete wavelet transformelectronic bronchoscopevisual enhancement
栏目名称
DOI
10.3969/j.issn.1005-202X.2026.06.014
发布时间
2026-07-08（万方平台首次上网日期，不代表论文的发表时间）
基金项目
新疆维吾尔自治区自然科学基金（2024D01C291）
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
