基于邻域回归的医学图像超分辨率重建

发布时间：2024-02-27 19:10

　　为了提高医学图像的分辨率,提出一种基于内部样例的邻域回归超分辨率方法。首先,把输入的低分辨率图像当做高分辨率图像去构造基于自身实例的内部图像训练集,不再依赖外部训练集;然后,把高分辨率重建分成高频重建和低频重建,用邻域回归方法重建图像高频细节部分,用双三次插值方法重建低频部分;最后,用迭代组合的方法联合高频分量和低频分量来获得最终输出的高分辨率图像。实验结果表明,该方法性能优于传统的超分辨率重建算法,重建出的医学图像视觉效果更真实。

【文章页数】：4 页

【文章目录】：
0 引言
1 自身实例的超分辨率重建
2 内部训练集的构建
    2.1 构建高分辨率训练集
    2.2 构建低分辨率训练集
    2.3 构建训练集的算法
3 图像重建
    3.1 高频重建和低频重建
    3.2 组合高频分量和低频分量
    3.3 图像重建算法
4 实验结果与分析
5 结束语



本文编号：3912842