基于融合网络的医学图像超分辨率研究

为提高医学图像分辨率，提出一种将FSRCNN算法与DRN算法融合的超分辨率重建的方法。算法将FSRCNN算法的五层卷积网络融入到DRN算法中，融合的模型进行了两方面改进处理：1)在下采样过程中将反卷积层置于特征提取层前面；2)在上采样过程中使用RCAN残差网络代替RCAB残差网络。实验结果表明，提出的算法在PSNR和SSIM方面均高于现有的主流算法，重建图像的纹理更加清晰，便于医生进行临床诊断。     

基于反馈网络的磁共振图像超分辨率重建研究

针对磁共振图像超分辨率重建算法存在的边缘信息丢失和运动伪影等问题,本文提出一种基于反馈网络的磁共振图像超分辨重建方法.采用反馈路径构成网络结构,在所提出的重建算法中,将输入图像进行上采样和下采样操作,提取图像特征,并对提取的特征进行融合后与输入图像一起进行局部循环训练,同时通过残差和卷积操作,重建超分辨率图像.为了更加...