改进U-Net的超声乳腺肿瘤分割网络

乳腺超声图像具有肿瘤大小形态多变、阴影较多、边界模糊等特点,经典U-Net的乳腺肿瘤分割结果与标注图像出入较大。对此,提出改进网络MultiMixU-Net。该网络在U-Net结构中引入MultiMix block以及Respath。MultiMix block通过空洞卷积通路提高网络区分目标以及背景的能力,并通过级联该通路中各卷积层输出,融合普通卷积通路的输出来提取多尺度特征信息。Respath的改进部署使网络中收缩路径与扩张路径之间对应特征信息的传递更加有效。该改进网络在公开的超声乳腺肿瘤分割数据集上进行了测试,实验表明,MultiMixU-Net分割结果优于其他网络且参数量较少。相较于U-Net,所提网络分割结果在所有评价指标上均有提升,其中IoU、DSC分别提升0.154 1、0.127 3。     

基于双重暗通道结合与高斯加权的去雾改进算法

针对暗通道先验算法去雾后图像存在伪影和景深突变处留有残雾的问题,提出一种基于双重暗通道结合与高斯加权的去雾方法.分别利用超像素块滤波和中值方块滤波求取两层暗通道,对两层暗通道进行像素级结合并构造高斯加权函数进行加强,然后采用引导滤波优化透射率图.把雾图转化到HSV空间并提取包含天空等的白色区域,引入概率函数取白色区域前10％像素点的明度分量平均值作为大气光估计值.实验结果表明,所提算法能较好地保留图像细节并去除景深突变处的残雾,同时能改善伪影现象.     

结合双通道与光源定位的夜间图像去雾

针对夜间雾图光照不均、色偏严重等问题,提出了一种基于亮暗双通道与光源定位的夜间图像去雾方法。结合夜间雾天成像模型,首先对图像进行超像素分割,根据评分阈值区分远近光源区域,对远光源区域采用双通道先验原理自适应确定大气光值,再对景深一致的超像素块进行最小滤波操作求取透射率,并通过引导滤波进行透射率的优化,最后针对光源变化引起的色偏问题,采用基于标准差加权的灰度世界算法进行颜色校正。与经典去雾方法相比,上述方法在对比度、平均梯度、信息熵等指标上有较大提升,验证了上述去雾方法的有效性。