基于小波域清晰度评价的光场全聚焦图像融合

传统全聚焦图像融合以相机多次曝光拍摄的多聚焦图像为基础,光场相机在单次曝光后可计算空间任意深度的重聚焦图像,为后期全聚焦图像的获取提供便利。提出了一种基于小波变换的光场全聚焦图像获取算法,可有效避免传统空域图像融合算法的块效应,获得较高质量的全聚焦图像。该算法通过对微透镜阵列光场相机获得的4D光场数据进行空间变换与投影,得到用于全聚焦图像融合的重聚焦图像,对各帧重聚焦图像进行小波分解提取高、低频子图像集,提出区域均衡拉普拉斯算子、像素可见度函数分别构建融合图像的高、低频小波系数实现图像融合,其性能优于传统的区域清晰度评价函数。实验验证了所提算法的正确性和有效性,采用Lytro光场相机的原始数据计算了融合全聚焦图像,与传统图像融合算法相比,人眼视觉效果更好,客观图像指标也得到了提高。      

一种基于伪影估计的低剂量CT图像降噪方法

低剂量CT(LDCT)包含丰富组织结构、病理信息和分布极其不规律的噪声伪影，这2种信息的幅度值分布规律相似。因此，LDCT降噪任务易出现特征提取不充分、网络对噪声伪影方向特性敏感度不足及降噪结果过度平滑等问题。为此，应用U-Net网络作为去噪网络的基本模型，设计了一种基于伪影估计的LDCT降噪网络。所提网络模型主要包括主特征提取网络和方向敏感注意力子网络2部分。为充分利用不同尺度特征之间的差异性，提高特征提取有效性，在编解码U-Net结构基础上增加了一个稠密特征增强模块；为提高降噪网络对噪声伪影方向特征的敏感度，设计了一个方向敏感注意力子网络；为保障网络训练稳定性，设计了多种损失函数来共同优化网络训练过程。实验结果表明：与目前主流的LDCT降噪方法相比，所提方法降噪结果的视觉效果与量化指标均表现最佳。