基于金字塔长程Transformer的OCT图像超分辨率重建

IF 1.8 4区 物理与天体物理 Q3 OPTICS CHINESE JOURNAL OF LASERS-ZHONGGUO JIGUANG Pub Date : 2023-01-01 DOI:10.3788/cjl230624
芦焱琦 Lu Yanqi, 陈明惠 Chen Minghui, 秦楷博 Qin Kaibo, 吴玉全 Wu Yuquan, 尹志杰 Yin Zhijie, 杨政奇 Yang Zhengqi
{"title":"基于金字塔长程Transformer的OCT图像超分辨率重建","authors":"芦焱琦 Lu Yanqi, 陈明惠 Chen Minghui, 秦楷博 Qin Kaibo, 吴玉全 Wu Yuquan, 尹志杰 Yin Zhijie, 杨政奇 Yang Zhengqi","doi":"10.3788/cjl230624","DOIUrl":null,"url":null,"abstract":"光学相干层析成像(OCT)在眼科方面的应用通常受到散斑噪声和低分辨率的影响。目前主流的OCT图像超分辨率重建方法多基于卷积神经网络,往往存在成像质量低、图像过度平滑和边缘细节缺失等情况。本文提出了基于Transformer的OCT视网膜图像超分辨率网络——TESR。TESR加入了边缘增强模块,以加强边缘信息对模型的影响,提高视网膜各层边缘的清晰度;新提出的金字塔长程Transformer模块融合了局部特征和全局表示,对图像的内部信息进行长程建模,能更有效地学习更丰富的图像特征。实验结果表示:本文所提TESR模型在峰值信噪比和结构相似度这两个指标上比其他经典模型均有一定程度的提高,在学习感知图像块相似度这一指标上表现优秀,同时在主观视觉质量上也有明显提高,泛化能力较强。","PeriodicalId":47922,"journal":{"name":"CHINESE JOURNAL OF LASERS-ZHONGGUO JIGUANG","volume":"136 1","pages":"0"},"PeriodicalIF":1.8000,"publicationDate":"2023-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"CHINESE JOURNAL OF LASERS-ZHONGGUO JIGUANG","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.3788/cjl230624","RegionNum":4,"RegionCategory":"物理与天体物理","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q3","JCRName":"OPTICS","Score":null,"Total":0}
引用次数: 0

Abstract

光学相干层析成像(OCT)在眼科方面的应用通常受到散斑噪声和低分辨率的影响。目前主流的OCT图像超分辨率重建方法多基于卷积神经网络,往往存在成像质量低、图像过度平滑和边缘细节缺失等情况。本文提出了基于Transformer的OCT视网膜图像超分辨率网络——TESR。TESR加入了边缘增强模块,以加强边缘信息对模型的影响,提高视网膜各层边缘的清晰度;新提出的金字塔长程Transformer模块融合了局部特征和全局表示,对图像的内部信息进行长程建模,能更有效地学习更丰富的图像特征。实验结果表示:本文所提TESR模型在峰值信噪比和结构相似度这两个指标上比其他经典模型均有一定程度的提高,在学习感知图像块相似度这一指标上表现优秀,同时在主观视觉质量上也有明显提高,泛化能力较强。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
基于金字塔长程Transformer的OCT图像超分辨率重建
光学相干层析成像(OCT)在眼科方面的应用通常受到散斑噪声和低分辨率的影响。目前主流的OCT图像超分辨率重建方法多基于卷积神经网络,往往存在成像质量低、图像过度平滑和边缘细节缺失等情况。本文提出了基于Transformer的OCT视网膜图像超分辨率网络——TESR。TESR加入了边缘增强模块,以加强边缘信息对模型的影响,提高视网膜各层边缘的清晰度;新提出的金字塔长程Transformer模块融合了局部特征和全局表示,对图像的内部信息进行长程建模,能更有效地学习更丰富的图像特征。实验结果表示:本文所提TESR模型在峰值信噪比和结构相似度这两个指标上比其他经典模型均有一定程度的提高,在学习感知图像块相似度这一指标上表现优秀,同时在主观视觉质量上也有明显提高,泛化能力较强。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
CiteScore
3.10
自引率
29.40%
发文量
168
期刊最新文献
人红细胞膜骨架超分辨图像的Voronoï分析 路径导引的四波横向剪切干涉波前重构方法 正交相位编码的同轴全息加密存储系统的研究 基于受激声子极化激元的太赫兹波传输调控与非线性效应研究 基于金字塔长程Transformer的OCT图像超分辨率重建
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1