彩色图像引导的深度图像重建方法研究

发布时间：2021-11-06 21:37

　　人工智能技术与医学图像结合的病情诊断方案是近年来的研究热点。对患有肠胃疾病的高危人群而言,及时通过光学内窥镜检查并且去除癌前病变可以降低肠道癌变的风险,所以通过深度重建肠道信息对病情的诊断有着重要的意义。通过几何光学理解场景信息的传统方法精确度较低,并且肠道的尺寸限制了双目等复杂结构深度传感器的使用,同时肠道内存在光斑以及肠道组织表面纹理特征稀疏,使得传感器获取的深度信息会有部分丢失,这些对肠道图像的三维重建都是挑战。针对上述的难题,首先提出了一种基于多尺度融合的深度卷积神经网络模型（Multi-scale fusion Depth Convolution Neural Network,MDCNN）进行单张彩色图像的深度估计。利用多个尺度的深度卷积神经网络分别提取丰富的图像特征,然后利用反卷积操作将多个尺度融合于一个卷积神经网络框架。提出的多尺度模型成功的解决了传统神经网络模型深度估计输入与输出尺寸不统一,部分特征信息缺失的难题。其次针对卷积神经网络模型估计的深度图像轮廓不清晰,局部细节不平滑以及限制输入尺寸的问题,在多尺度络模型的基础上提出了一种联合条件随机场与多尺度融合的深度全卷积... 

【文章来源】：南昌大学江西省 211工程院校

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

人体肠胃的解剖图

【参考文献】：
期刊论文
[1]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[2]聚焦性检测与彩色信息引导的光场图像深度提取[J]. 胡良梅,姬长动,张旭东,张骏,王丽娟.  中国图象图形学报. 2016 (02)



本文编号：3480568