基于残差网络的结直肠内窥镜图像超分辨率重建方法

摘要：

针对结直肠镜图像分辨率偏低、纹理信息偏少和细节模糊等缺点,提出了一种基于残差注意力网络的图像超分辨率重建算法SMRAN,选取结直肠息肉内窥镜图像数据集PolypsSet中的部分图像作为原始数据进行实验.首先,使用卷积网络提取低分辨率图像的浅层特征;其次,设计Res-Sobel结构对图像边缘特征进行增强;然后,通过引入不同大小的卷积核,设计多尺度特征融合模块(Multi-Scale feature Extraction Block,MEB),自适应地提取不同尺度的特征,从而得到有效的图像信息,并通过残差注意力网络将Res-Sobel模块和多尺度特征融合模块MEB进行连接;最后,通过亚像素卷积层对图像进行重建,得到最终的高分辨率图像.在尺度因子为x4时,网络在测试集上的测试结果如下:峰值信噪比PSNR为34.25 dB,结构相似性SSIM为0.8675.实验结果表明,与传统的双三次插值算法及常用的SRCNN、RCAN等深度学习算法相比,本文提出的SMRAN对结直肠内窥镜图像具有更好的超分辨率重建效果.

关键词：内窥镜图像、超分辨率重建、残差结构、注意力机制、多尺度特征融合、索贝尔算子

所属期刊栏目：16

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2023-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1022-1033