基于多尺度自适应特征聚合网络的ECT图像重建
针对深层卷积神经网络在电容层析成像图像重建过程中存在电容特征提取尺度单一、中间层特征利用率不高等问题,提出了一种多尺度自适应特征聚合网络模型.首先,利用堆叠的增强型选择核卷积模块设计了一种特征增强模块(FEM),并通过串联多个FEM自适应地提取电容向量多个尺度的特征信息,极大地减少了使用普通卷积所带来的伪影现象;其次,引入了一种特征聚合机制,采用长短残差连接加强了远近特征信息的相关性,解决了网络中间层特征利用不充分的问题.实验结果表明,与传统算法及卷积神经网络算法相比,所提方法在主观视觉效果和客观评价指标上都具有更好的性能,图像相关系数最高达到 0.962 9,图像相对误差降低至 0.053 0.
电容层析成像、特征增强、增强型选择核卷积、聚合机制、残差连接
44
TH878;TP391.41
国家自然科学基金;天津市教委科研计划项目
2023-09-18(万方平台首次上网日期,不代表论文的发表时间)
共9页
264-272