基于真实退化估计与高频引导的内窥镜图像超分辨率重建OA北大核心CSTPCD
内窥镜是诊断人体器官疾病的重要医疗设备,然而受人体内腔环境影响,内窥镜图像分辨率一般较低,需对其进行超分辨处理.目前多数基于深度学习的超分辨算法直接使用双三次插值下采样从高质量图像中获取低分辨率(Low-resolution, LR)图像以进行配对训练,此种方式会导致纹理细节丢失,不适用于医学图像.为解决该问题,针对医学内窥镜图像开发了一种新颖的退化框架,首先从真实低质量内窥镜图像中提取丰富多样的真实模糊核与噪声模式,之后提出一种退化注入算法,利…查看全部>>
李嫣;任文琦;张长青;张金刚;聂云峰
中国科学院信息工程研究所,北京100093 中国科学院大学网络空间安全学院,北京100190中国科学院大学未来技术学院,北京100039 中山大学网络空间安全学院,深圳518107天津大学智能与计算学部,天津300350中国科学院大学未来技术学院,北京100039布鲁塞尔自由大学应用物理与光子学系,比利时布鲁塞尔1050
计算机与自动化
内窥镜图像超分辨率退化估计高频引导卷积神经网络
《自动化学报》 2024 (2)
P.334-347,14
中国科学院网络安全和信息化专项(CAS-WX2022SF-0102)深圳市科技计划(JCYJ20220530145209022)资助。
评论