协作稀疏字典学习实现单幅图像超分辨率重建

字典的选择影响基于稀疏编码的图像超分辨率重建模型的重建质量。提出了一种基于协作稀疏表达的字典学习算法。在训练阶段,通过K-Means聚类算法将样本图像块划分为不同的聚类;构建基于同时稀疏约束条件的协作稀疏字典学习模型对每个聚类训练高、低分辨率字典;应用基于L_2范数的稀疏编码模型将图像超分辨率重建过程中输入图像块由低分辨率到高分辨率的映射转变为简单的线性映射,并针对不同聚类求得相应的线性映射矩阵。在重建阶段,输入图像块通过搜索与自身结构最相似的聚类来选择相应映射矩阵获得重建后的高分辨率图像。结果表明,本文算法通过改进字典学习过程实现了更好的图像超分辨率重建质量。     

高动态范围图像合成中相机响应函数的快速标定

针对高动态范围图像合成过程中相机响应函数标定速度低的问题,提出了一种快速有效的相机响应函数标定的方法.首先根据不同曝光度的图像在成像过程中场景照度保持一致的特性,提出构建一种新的最小平方代价函数,以降低相机响应函数标定方程组的维数;然后在保证标定方程组求解效率的前提下,根据不同曝光度图像的噪音分布,引入高斯加权函数,有效减小多曝光图像在高亮或过暗区域成像过程中引入的噪音,并利用稳健的QR分解算法提高标定方程组的求解速度;最后采用查表的方法,利用高斯加权函数完成场景照度的合成及相应的色调映射,得到能表现整个场景亮区和暗区细节的可视化图像.实验结果表明,与传统方法相比,本文算法在保证相机响应函数标定准确度的同时,具有计算量小、速度快的优点,可实现相机响应函数的快速标定,而且所获得的可视化图像主观效果有所提高,在便携式摄像设备上具有广泛的应用前景.     

半线性抛物型微分包含的有限差分法

讨论了一类半线性抛物型微分包含第一边值问题的有限维逼近，研究了其近似可解性．在本文定义的网格范数意义下，空间方向的有限差分半离散化差分解收敛到问题的解，同时也证明了全离散差分格式对初值是稳定的．最后通过一个具体的一维半线性抛物刑微分包含实例，对本文的差分格式进行了验证．     

基于卷积神经网络的低剂量CT图像去噪方法

为了改善低剂量计算机断层扫描(CT)图像的视觉质量,提出一种基于卷积神经网络的图像去噪方法。网络引入批量归一化,并且学习的是低剂量CT图像到其噪声图像之间的映射;使用空洞卷积在不提高复杂度的情况下增大感受野;此外,还将前后层的特征图进行连接,使后方的卷积层能够利用前方各层的特征图作为输入,鼓励网络中特征图的重用。实验结果表明,与目前较先进的方法相比,所提网络结构在实现了更好去噪效果的同时大幅度降低了网络复杂度,能够快速、显著地改善低剂量CT图像的视觉质量。     

基于三维卷积神经网络的肺结节识别研究

针对传统计算机辅助检测系统中肺结节检测存在大量假阳性的问题,提出一种基于三维卷积神经网络的肺结节识别方法。首先,将传统二维卷积神经网络扩展为三维卷积神经网络,充分挖掘肺结节的三维特征,增强特征的表达能力;其次,将密集连接网络与SENet相结合,在加强特征传递和复用的同时,通过特征重标定自适应学习特征权重;另外,引入focal loss作为网络的分类损失函数,提高对难样本的学习。在LUNA16数据集上的实验结果表明:与当前的主流深度学习算法相比,所提网络模型在平均每组CT图像中假阳个数为1和4时的检出率达到了0.911和0.934,CPM得分为0.891,优于大部分主流算法。