期刊文献+
共找到186篇文章
< 1 2 10 >
每页显示 20 50 100
胸部CT图像肺实质分割技术研究 认领
1
作者 张磊 陈星材 +3 位作者 陆万里 平钦文 陈怡然 柏森 《计算机时代》 2021年第3期17-19,22,共4页
计算机断层扫描(Computed Tomography,CT)是诊断肺部疾病常用的方法之一,CT能显示人体肺部的断层图像,但CT图像中对于诊断肺部疾病有帮助的只有肺实质区域。因此,提供干扰更少、病灶更加明显的肺部断层图,会使医生更容易发现一些早期的... 计算机断层扫描(Computed Tomography,CT)是诊断肺部疾病常用的方法之一,CT能显示人体肺部的断层图像,但CT图像中对于诊断肺部疾病有帮助的只有肺实质区域。因此,提供干扰更少、病灶更加明显的肺部断层图,会使医生更容易发现一些早期的疾病或得到更加准确的诊断结果。文章归纳总结了边缘检测、U-net和U-net++等CT图像的肺实质分割技术,并将其中的Matlab的边缘检测与U-net神经网络进行对比分析。对比结果显示,U-net神经网络的图像分割效果远好于Matlab的边缘检测。 展开更多
关键词 肺实质 图像分割 U-net U-net%PLUS%%PLUS%
在线阅读 下载PDF
基于残差U-Net的遥感影像土地覆盖类型自动分割 认领
2
作者 李全红 李雷 +2 位作者 李纯斌 吴静 常秀红 《中国土地科学》 北大核心 2021年第1期98-106,共9页
研究目的:土地覆盖的准确分割对于土地调查和规划具有重要意义。针对传统方法对于高分辨率遥感影像分割存在精度和效率较低等问题,提出了深度学习遥感影像分割方法。研究方法:以2 m高分辨率遥感影像为数据源,选用一种加入残差块的U-Net... 研究目的:土地覆盖的准确分割对于土地调查和规划具有重要意义。针对传统方法对于高分辨率遥感影像分割存在精度和效率较低等问题,提出了深度学习遥感影像分割方法。研究方法:以2 m高分辨率遥感影像为数据源,选用一种加入残差块的U-Net模型(ResU_Net),对目标区域进行基于深度学习的土地覆盖分割,并与SVM、PSPNet、U-Net分割方法进行对比。研究结果:ResU_Net能够更加准确地表达高分辨率遥感影像的地物信息,该方法总体分割精度达到85.50%,Kappa系数为0.7603,总体精度和Kappa系数均高于SVM、PSPNet和U-Net分割方法(总体精度:ResU_Net(85.50%)>U-Net(79.44%)>PSPNet(78.90%)>SVM(66.80%))。研究结论:ResU_Net模型对高分辨率遥感影像的土地覆盖分割效果更优。 展开更多
关键词 土地信息 U-Net 残差网络 ResU_Net 土地覆盖分割 高分辨率遥感影像
在线阅读 下载PDF
基于深度学习的PCB缺陷检测研究 认领
3
作者 胡珊珊 肖勇 +1 位作者 王保帅 尹家悦 《电测与仪表》 北大核心 2021年第3期139-145,共7页
印刷电路板(PCB)是保障电子设备产品可靠性的关键因素。因此,对于PCB板的缺陷检测是一项基本和必要的工作。当前PCB缺陷检测方面已经取得了很大进步,但由于PCB板缺陷的多样性、复杂性以及微小性,传统检测方法仍然难以应对。针对PCB板复... 印刷电路板(PCB)是保障电子设备产品可靠性的关键因素。因此,对于PCB板的缺陷检测是一项基本和必要的工作。当前PCB缺陷检测方面已经取得了很大进步,但由于PCB板缺陷的多样性、复杂性以及微小性,传统检测方法仍然难以应对。针对PCB板复杂性和微小性问题,文中提出了一种基于深度学习的PCB微小缺陷检测网络,命名为UF-Net。该网络通过多层卷积提取不同维度的特征,通过上采样及跳层连接(Skip Connect)的方式实现多尺度特征融合;利用RPN(Region Proposal Network)网络生成ROI(Region of Interest);通过ROI-Pooling层提取ROI特征,并经过两个全连接层对ROI区域进行分类和回归,从而实现缺陷检测。文中的方法能够对印制电路板导线缺陷和焊点缺陷进行精确的检测和识别,包括导线的短路、开路、缺口、毛刺以及焊点的孔洞、漏焊、焊盘不全等缺陷。通过对PCB缺陷数据集的定量分析,结果表明,该方法具有较好的移植性,在PCB数据集上的精度达到98.6%,满足PCB实际检测需求。 展开更多
关键词 PCB 深度学习 UF-Net U-Net 缺陷检测
在线阅读 免费下载
基于融合边界框高置信度区域信息的超声胎儿头围测量算法 认领
4
作者 汪金婷 杨丰 陈琪 《自动化与信息工程》 2021年第1期7-11,共5页
为有效克服胎儿头部超声图像中存在的干扰问题,实现对胎儿头围的精确测量,提出一种基于融合边界框高置信度区域信息的超声胎儿头围测量算法。首先,通过U-Net分割网络提取胎儿头部图像感兴趣区域;其次,利用YOLOv3检测网络获取胎儿头部边... 为有效克服胎儿头部超声图像中存在的干扰问题,实现对胎儿头围的精确测量,提出一种基于融合边界框高置信度区域信息的超声胎儿头围测量算法。首先,通过U-Net分割网络提取胎儿头部图像感兴趣区域;其次,利用YOLOv3检测网络获取胎儿头部边界框,结合边界框高置信度区域信息,筛选头部感兴趣区域高置信度边缘点;最后,采用直接最小二乘法对高置信度边缘点进行椭圆拟合,计算胎儿头围结果。实验结果表明:该算法可有效克服图像质量的干扰,提高超声胎儿头围测量精度。 展开更多
关键词 胎儿头围测量 超声图像 高置信度区域筛选算法 U-Net YOLOv3
在线阅读 下载PDF
融合卷积神经网络和流形学习的肺结节检测 认领
5
作者 杨怀金 夏克文 +1 位作者 刘方原 张江楠 《科学技术与工程》 北大核心 2021年第1期260-268,共9页
U-net是常用的医学图像分割网络,但仍存在卷积神经网络中泛化能力差、容易过拟合的缺点。针对其缺点,研究全卷积肺结节分割网络,引入随机失活层,采用新的激活函、损失函数、优化器等改进网络结构,改进后的网络具有更高的查全率。然后融... U-net是常用的医学图像分割网络,但仍存在卷积神经网络中泛化能力差、容易过拟合的缺点。针对其缺点,研究全卷积肺结节分割网络,引入随机失活层,采用新的激活函、损失函数、优化器等改进网络结构,改进后的网络具有更高的查全率。然后融合改进重构权值的局部线性嵌入算法对特征进行提取,最后采用XGBoost分类器进行最后的筛选分类。通过实验验证表明,得到实融合以上两种算法的肺结节检测具有更高的准确率更高的准确率和更好的泛化性,可以应用于肺结节检测。 展开更多
关键词 U-net 局部线性嵌入 卷积神经网络 肺结节检测
在线阅读 免费下载
基于改进U-Net的视盘视杯分割方法的研究 认领
6
作者 茅前 江旻珊 魏静 《光学仪器》 2021年第1期21-27,共7页
基于数字眼底图像进行视盘视杯分割是青光眼常用的诊断方法。为了更加精确地分割视盘视杯,提出了一种基于改进U-Net的视盘视杯分割方法。在传统U-Net的基础上,使用残差块改进了下采样部分,并使用卷积操作改进U-net中的跳层连接部分,使... 基于数字眼底图像进行视盘视杯分割是青光眼常用的诊断方法。为了更加精确地分割视盘视杯,提出了一种基于改进U-Net的视盘视杯分割方法。在传统U-Net的基础上,使用残差块改进了下采样部分,并使用卷积操作改进U-net中的跳层连接部分,使网络更加充分地获取特征信息。使用多种性能指标对训练的模型进行评价,结果表明,视盘模型和视杯模型在DRISHTI-GS数据集上的DICE系数分别达到了98.3%和97.2%,IOU系数分别达到了93.2%和88.5%。 展开更多
关键词 青光眼 视杯 视盘 U-NET 分割
在线阅读 下载PDF
基于两种U型网络的钢铁图像缺陷检测方法对比 认领
7
作者 师伟婕 黄静静 王茂发 《北京信息科技大学学报:自然科学版》 2021年第1期63-68,共6页
针对钢铁图像缺陷检测问题,使用U型的深度学习神经网络模型U-Net和ResUNet对有缺陷的钢铁图像进行图像分割。通过python对钢铁图像进行数据统计,分析每类缺陷占比,以及缺陷数量与缺陷面积的关系。通过数据生成器依次将数据输入U-Net和Re... 针对钢铁图像缺陷检测问题,使用U型的深度学习神经网络模型U-Net和ResUNet对有缺陷的钢铁图像进行图像分割。通过python对钢铁图像进行数据统计,分析每类缺陷占比,以及缺陷数量与缺陷面积的关系。通过数据生成器依次将数据输入U-Net和Res-UNet模型,对比在相同损失函数下的Tversky系数和损失率。实验结果表明,Res-UNet模型的Tversky系数优于U-Net模型,且Res-UNet模型损失率低于U-Net模型,Res-UNet模型可以更准确地预测钢铁缺陷位置和缺陷类别。 展开更多
关键词 U-Net Res-UNet 图像分割 钢铁缺陷
在线阅读 下载PDF
基于U-Net结构改进的医学影像分割技术综述 认领
8
作者 殷晓航 王永才 李德英 《软件学报》 EI 北大核心 2021年第2期519-550,共32页
深度学习在医学影像分割领域得到广泛应用,其中,2015年提出的U-Net因其分割小目标效果较好、结构具有可扩展性,自提出以来受到广泛关注.近年来,随着医学图像割性能要求的提升,众多学者针对U-Net结构也在不断地改进和扩展,比如编解码器... 深度学习在医学影像分割领域得到广泛应用,其中,2015年提出的U-Net因其分割小目标效果较好、结构具有可扩展性,自提出以来受到广泛关注.近年来,随着医学图像割性能要求的提升,众多学者针对U-Net结构也在不断地改进和扩展,比如编解码器的改进、外接特征金字塔等.通过对基于U-Net结构改进的医学影像分割技术,从面向性能优化和面向结构改进两个方面进行总结,对相关方法进行了综述、分类和总结,并介绍图像分割中常用的损失函数、评价参数和模块,进而总结了针对不同目标改进U-Net结构的思路和方法,为相关研究提供了参考. 展开更多
关键词 U-Net 医学影像分割 结构改进 深度神经网络 技术综述
在线阅读 下载PDF
一种基于改进Attention U-net的联合视杯视盘分割方法 认领
9
作者 秦运输 王行甫 《计算机应用与软件》 北大核心 2021年第3期181-189,共9页
青光眼是当前世界范围内致盲的主要病因之一,其发病过程没有明显的特征。视杯盘比是青光眼诊断中最主要的评估指标之一,这使得视杯视盘的分割成为了目前青光眼诊断的关键。已有的视杯视盘分割方法大多基于手工提取的特征,低效且精度不... 青光眼是当前世界范围内致盲的主要病因之一,其发病过程没有明显的特征。视杯盘比是青光眼诊断中最主要的评估指标之一,这使得视杯视盘的分割成为了目前青光眼诊断的关键。已有的视杯视盘分割方法大多基于手工提取的特征,低效且精度不高。提出一种名为MAR2U-net的深度神经网络架构用于青光眼视杯视盘的联合分割。它是基于Attention U-net的一种改进架构,通过在Attention U-net的基础之上引入递归残差卷积模块来提取更加深层次的特征,并结合多尺度的输入和多标签的Focal Tversky损失函数来提升模型的联合分割性能。实验结果表明,该方法在REFUGE数据集上的分割效果较已有方法取得了显著提升,为实现大规模的青光眼诊断筛查提供了基础。 展开更多
关键词 青光眼检测 视杯与视盘 分割 ATTENTION U-net
在线阅读 下载PDF
基于U-Net的玉米叶部病斑分割算法 认领
10
作者 刘永波 胡亮 +2 位作者 曹艳 唐江云 雷波 《中国农学通报》 2021年第5期88-95,共8页
本文旨在提出一种基于U-Net算法模型的玉米病程分级方法,实现对玉米常见4类叶部病害程度的快速、准确、客观分级。该方法以两组U-Net模型并行运算实现对玉米叶部病斑图像的语义分割任务。经测试图像分割试验中病斑分割MIoU值达到93.63%... 本文旨在提出一种基于U-Net算法模型的玉米病程分级方法,实现对玉米常见4类叶部病害程度的快速、准确、客观分级。该方法以两组U-Net模型并行运算实现对玉米叶部病斑图像的语义分割任务。经测试图像分割试验中病斑分割MIoU值达到93.63%,叶片分割MIoU值达到96.33%,且运算速度均在1秒内完成。试验结果表明,该研究以手机拍照等方式采集数据源,不依赖专业仪器设备即可实现玉米病害快速分级,可取代以往以人工目测进行的病害识别方式,提高了病害分级的准确性和客观性。该模型与物联网设备结合运用,可实现玉米病害预警、降低病害影响、增产增收科技惠农的目标。 展开更多
关键词 玉米病害 图像处理 全卷积 U-Net 病程分级
在线阅读 下载PDF
基于U-Net网络的林木图像分割研究 认领
11
作者 张博洋 倪海明 +1 位作者 胡馨月 戚大伟 《森林工程》 2021年第2期67-73,共7页
针对传统方法进行图像分割易受噪声影响的问题,提出一种基于U-Net网络的无人机图像语义分割网络模型。该模型不需要对图像进行预处理,利用反卷积恢复图像分辨率,采用U型结构连接低层网络和高层网络的特征图,利用跳跃连接降低网络复杂度... 针对传统方法进行图像分割易受噪声影响的问题,提出一种基于U-Net网络的无人机图像语义分割网络模型。该模型不需要对图像进行预处理,利用反卷积恢复图像分辨率,采用U型结构连接低层网络和高层网络的特征图,利用跳跃连接降低网络复杂度,同时使用Dropout正则化随机激活网络隐藏单元以防止过拟合。实验结果表明:该网络模型可以自动定位林木信息,准确分割林木区域,进一步优化边缘分割结果,实现端对端的图像分割。该模型具有良好的泛化能力,在其他图像分割领域也具有应用价值。 展开更多
关键词 无人机图像 图像分割 U-Net 跳跃连接
在线阅读 下载PDF
基于聚类算法的血管直径测量研究 认领
12
作者 王成 李砚瑞 +5 位作者 刘宾 项华中 徐康 郑刚 陈明惠 张大伟 《光学技术》 CAS 北大核心 2021年第1期37-44,共8页
血管形态的变化与疾病密切相关,血管直径是血管形态的主要参数之一,测量血管直径有助于疾病的筛查与预防。提出一种基于聚类算法的血管直径测量方法,对微血管进行测量。大多数显微血管图像(如光学显微成像或光声显微成像)中存在噪声,通... 血管形态的变化与疾病密切相关,血管直径是血管形态的主要参数之一,测量血管直径有助于疾病的筛查与预防。提出一种基于聚类算法的血管直径测量方法,对微血管进行测量。大多数显微血管图像(如光学显微成像或光声显微成像)中存在噪声,通过非线性变换函数对显微图像进行增强;使用训练后的U-Net网络模型进行图像分割;利用结合聚类算法以及射线算法的测量方法对分割得到的血管进行测量,得到血管直径。实验表明,算法与传统测量结果一致(P>0.05),与传统算法相比,本算法的测量精度得到提升,将测量误差由4.21%降低至2.27%,满足血管测量的准确度需求。 展开更多
关键词 图像处理 血管宽度 图像分割 U-Net 聚类算法
融合ResNet结构的U-Net眼底视盘分割方法 认领
13
作者 周严谨 《软件导刊》 2021年第1期204-208,共5页
由于亮度的相似性,带病灶眼底图像的视盘分割通常会受到亮病灶干扰。现有的视盘分割方法对正常的视网膜眼底图像具有较好的分割效果,但是在带病灶的眼底图像中表现不佳。在医学图像数据样本有限的情况下,U-Net网络能实现少样本训练生成... 由于亮度的相似性,带病灶眼底图像的视盘分割通常会受到亮病灶干扰。现有的视盘分割方法对正常的视网膜眼底图像具有较好的分割效果,但是在带病灶的眼底图像中表现不佳。在医学图像数据样本有限的情况下,U-Net网络能实现少样本训练生成较好的分割结果。提出一种将残差结构与U-Net网络融合的视盘分割方法。残差模块的跳跃连接能将浅层特征传递给更深一层网络,实现浅层特征的重复使用,增强了图像细节学习。将该方法在两个公开数据集Messidor和Kaggle上进行验证,在干扰较多的Kaggle数据集上,其AUC和MAP分别达到0.9521和0.8388,证明该方法可同时学习图像细节特征和全局结构特征,能更好地区分眼底视盘与亮病灶。 展开更多
关键词 深度学习 视盘分割 U-Net 残差网络
在线阅读 免费下载
基于深度学习的心脏MRI图像分割综述 认领
14
作者 张婕 阿都建华 羊建兴 《软件导刊》 2021年第2期244-249,共6页
传统图像分割方法在心脏MRI图像上分割效果欠佳,深度学习为该领域带来了新的研究思路。目前使用最广泛且分割效果最好的3种深度学习分割模型为:CNN、FCN和U-NET。针对不同模型网络结构、网络特点、优缺点和分割结果进行比较,总结最新研... 传统图像分割方法在心脏MRI图像上分割效果欠佳,深度学习为该领域带来了新的研究思路。目前使用最广泛且分割效果最好的3种深度学习分割模型为:CNN、FCN和U-NET。针对不同模型网络结构、网络特点、优缺点和分割结果进行比较,总结最新研究进展,介绍两种有潜力应用于心脏MRI分割领域的网络模型,最后指出基于深度学习方法的心脏MRI分割面临的挑战和未来研究方向。 展开更多
关键词 深度学习 心脏MRI 图像分割 CNN FCN U-NET
在线阅读 免费下载
革兰氏染色细菌显微图像深度学习分类与计数 认领
15
作者 董宇波 王蕊 +1 位作者 赵慧娟 张书景 《中国医学物理学杂志》 2021年第1期127-132,共6页
菌种和数量是研究菌群失调和疾病预测的重要参数,然而细菌分类和计数工作主要由人工完成,过程繁琐,极易出错,并且耗时费力。本研究提出一种基于图像深度学习的方法对显微图像中的革兰氏阳性杆菌、革兰氏阴性杆菌、革兰氏阳性球菌和革兰... 菌种和数量是研究菌群失调和疾病预测的重要参数,然而细菌分类和计数工作主要由人工完成,过程繁琐,极易出错,并且耗时费力。本研究提出一种基于图像深度学习的方法对显微图像中的革兰氏阳性杆菌、革兰氏阴性杆菌、革兰氏阳性球菌和革兰氏阴性球菌进行分类。整个算法过程包括分割和分类识别两部分,首先采用U-Net"渐进分割法"对细菌部分和背景部分进行分割;然后将分割后的细菌分别投入ResNet50模型和VGG19模型进行识别和计数。将经过再训练ResNet50模型和VGG19模型的计数结果与人工分类计数标准的结果进行比较,实验结果表明ResNet50模型可以达到人工分类和计数的准确率。 展开更多
关键词 革兰氏染色菌 分类计数 U-Net ResNet 深度学习
在线阅读 免费下载
基于U-Net的列车轮对激光曲线提取 认领
16
作者 杨凯 罗帅 +3 位作者 王勇 高晓蓉 彭建平 蒋天赐 《无损检测》 CAS 2021年第1期19-23,共5页
研究列车轮对条纹图像快速准确提取的方法,采用经典的U-Net网络模型,实现了激光条纹的精确分割,以构建模板的方式对分割后的图像采用灰度重心法达到亚像素的提取。首先利用U-Net网络模型对激光条纹进行分割,然后用模板法初步找到光条中... 研究列车轮对条纹图像快速准确提取的方法,采用经典的U-Net网络模型,实现了激光条纹的精确分割,以构建模板的方式对分割后的图像采用灰度重心法达到亚像素的提取。首先利用U-Net网络模型对激光条纹进行分割,然后用模板法初步找到光条中心,最后再使用灰度重心法实现快速、准确的激光曲线提取。结果表明,该方法可以有效地克服动态环境下背景噪声以及亮斑对激光条纹提取带来的影响。 展开更多
关键词 深度学习 图像处理 目标分割 结构光测量 U-Net 激光条纹提取
在线阅读 下载PDF
改进型U-Net网络的左心室超声心动图像分割 认领
17
作者 葛帅 严加勇 +1 位作者 谢利剑 姜逊渭 《软件导刊》 2021年第2期206-209,共4页
超声心动图像是诊断心脏疾病、分析心脏功能的重要手段,其中左心室大小、形态是判断心脏是否正常的重要参数,而对超声心动图像中左心室进行有效分割是获取左心室大小、形态等参数的关键。在传统U-Net网络基础上引入密集链接,构建一种对... 超声心动图像是诊断心脏疾病、分析心脏功能的重要手段,其中左心室大小、形态是判断心脏是否正常的重要参数,而对超声心动图像中左心室进行有效分割是获取左心室大小、形态等参数的关键。在传统U-Net网络基础上引入密集链接,构建一种对左心室超声心动图进行精确分割的深度学习模型。实验结果表明,密集链接的引入可以有效提高分割精度,该模型最终Dice系数为91.76%±1.78%,而传统的U-Net网络Dice系数为83.52%。和全连接网络等方法比较,该方法具有更高的精度。 展开更多
关键词 左心室分割 超声图像 深度学习 密集连接 U-Net
在线阅读 免费下载
改进U-Net的遥感图像中建筑物变化检测 认领
18
作者 张翠军 安冉 马丽 《计算机工程与应用》 北大核心 2021年第3期239-246,共8页
提出了一种改进U-Net的遥感图像中建筑物变化检测方法,将变化检测问题转化为像素级二分类问题,利用U-Net模型对图像进行分类,把图像中的每个像素划分为变化类或非变化类,并根据变化类的像素得到建筑物的变化检测结果图。针对U-Net模型... 提出了一种改进U-Net的遥感图像中建筑物变化检测方法,将变化检测问题转化为像素级二分类问题,利用U-Net模型对图像进行分类,把图像中的每个像素划分为变化类或非变化类,并根据变化类的像素得到建筑物的变化检测结果图。针对U-Net模型进行遥感图像中建筑物变化检测时,在训练中容易出现过拟合的现象,提出用非对称卷积块代替U-Net网络特征提取部分的标准卷积操作,增强卷积核的鲁棒性和网络的中心骨架,防止过拟合;针对变化检测数据集中图像背景复杂、小目标的变化情况容易被漏检的问题,提出在U-Net中引入注意力机制,抑制模型对非变化类像素特征的学习,加强对变化类特征的学习,提取到更适合的特征。实验结果表明,在引入非对称卷积块和注意力机制后,变化检测的F1分数有明显的提升。 展开更多
关键词 建筑物变化检测 U-Net 非对称卷积块 注意力机制
在线阅读 下载PDF
结合通道注意力的特征融合多人姿态估计算法 认领
19
作者 黄晨 高岩 《小型微型计算机系统》 北大核心 2021年第1期142-146,共5页
为了提高二维复杂场景下多人姿态估计准确度和速度,提出了一种Mobile-YOLOv3模型与多尺度特征融合全卷积网络相结合的自顶向下多人姿态估计方法.利用深度可分离卷积改进YOLOv3网络以作为高效的人体目标检测器.针对网络特征下采样过程中... 为了提高二维复杂场景下多人姿态估计准确度和速度,提出了一种Mobile-YOLOv3模型与多尺度特征融合全卷积网络相结合的自顶向下多人姿态估计方法.利用深度可分离卷积改进YOLOv3网络以作为高效的人体目标检测器.针对网络特征下采样过程中上层高分辨率信息不断遗失问题,在经典U型网络结构中嵌入多尺度特征融合模块,从而使网络中的低尺度特征也包含高分辨率信息,并在特征融合模块中引入通道注意力机制,进一步突出多尺度融合特征图的关键通道信息.试验结果表明:相比于堆叠沙漏网络(Stacked Hourglass Network,SHN)和级联金字塔网络(Cascaded Pyramid Network,CPN),文中所提出的人体姿态估计算法在COCO数据集上的姿态估计平均准确率分别提高了4.7和3.7. 展开更多
关键词 多人姿态估计 深度可分离卷积 U型网络 多分辨率特征 通道域注意力
基于Retinex-UNet算法的低照度图像增强 认领
20
作者 刘佳敏 何宁 尹晓杰 《计算机工程与应用》 CSCD 北大核心 2020年第22期211-216,共6页
针对Retinex应用于多种场景时,其约束和参数会受到模型容量限制的问题,提出了一种基于深度学习的低照度图像增强算法,并构建了新的网络架构Retinex-UNet(RUNet)。该架构包含图像分解网络与图像增强网络两部分,利用Retinex-Net网络思想,... 针对Retinex应用于多种场景时,其约束和参数会受到模型容量限制的问题,提出了一种基于深度学习的低照度图像增强算法,并构建了新的网络架构Retinex-UNet(RUNet)。该架构包含图像分解网络与图像增强网络两部分,利用Retinex-Net网络思想,通过卷积神经网络(Convolutional Neural Network,CNN)学习并分解图像,将其结果作为增强网络的输入,对输入图像进行端对端训练。在增强网络中构建了基于U-Net的网络架构,其可对任意大小的图像进行增强。通过在公开数据集(LOL,SID)上验证表明,RUNet方法在效果上有所改进,尤其是整体视觉效果。 展开更多
关键词 Retinex-Net 低照度图像 卷积神经网络 U-Net RUNet
在线阅读 下载PDF
上一页 1 2 10 下一页 到第
使用帮助 返回顶部 意见反馈