一种基于多特征融合的快速医学图像重构方法.pdf
雨巷****莺莺
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于多特征融合的快速医学图像重构方法.pdf
本发明公开了一种基于多特征融合的快速医学图像重构方法,其特征在于,包括以下步骤:对原始光声信号进行预处理,使长序列形状的原始光声信号变为方形矩阵形式的预处理光声信号;将预处理光声信号输入基于多特征融合的快速医学图像重构深度学习网络后获得重构的光声图像。针对稀疏设置下的重构问题,本发明提出了一种快速高效的光声重构方法,该光声重构方法采用了一种基于多特征融合的快速医学图像重构深度学习网络,能够以较小的参数量快速的重构出高质量图像。
多参数区域特征的医学图像融合方法.pdf
第卷第期青岛大学学报自然科学版..年月文章编号:———:./
一种基于多特征融合全卷积网络的多聚焦图像融合方法.pdf
本发明涉及图像处理技术领域,具体涉及一种基于多特征融合全卷积网络的多聚焦图像融合方法。本发明弥补了传统图像融合方法中均是手动设计特征提取方法和融合规则的不足,使多聚焦图像融合后细节信息得到充分保留;利用不同模糊函数预处理的图像数据训练网络,提高了网络的泛化性能和融合精度;构建的多特征融合全卷积网络,利用跨层连接实现了特征复用,既保留了图像的原始特征,同时增添了网络学习的特征,使得图像表征更加全面;且减少了网络参数量,提高了算法效率。
一种基于全局信息融合的多模态医学图像融合方法.pdf
本发明公开了一种基于全局信息融合的多模态医学图像融合方法,其步骤包括:1、对原始多个模态的医学图像进行色彩空间转换和图像剪切的预处理;2、建立在多个尺度通过融合模块进行交互的模态分支网络,并建立由Transformer构成的融合模块来合并多模态特征信息;3、建立重构模块,从多尺度的多模态特征合成融合图像;4、在公开数据集上训练并评估上述模型;4、利用训练好的模型实现医学图像融合任务。本发明通过Transformer融合模块和交互式模态分支网络能充分地融合多模态的语义信息,实现细粒度的融合效果,不仅很好地保
一种基于多域特征融合的图像篡改检测方法.pdf
本发明涉及一种基于多域特征融合的数字图像篡改检测方法。本方法使用目标检测流程进行图像篡改检测,首先通过卷积神经网络提取图像空间域和噪声域的篡改遗留特征,将这些特征输入到区域建议网络得到候选检测框。之后,将空间域特征及得到的检测框作为输入信息进行注意力区域识别,识别出图像中具备篡改判别力的篡改可疑区域,在这一过程中,提取图像的重采样特征,引入图像的频域信息。然后将全图空间域特征和可疑区域特征级联,并与噪声域特征通过双线性池化进行融合,应用融合后的特征进行分类和检测框的回归计算,得到篡改类型以及篡改区域的位置