基于深度学习的手术器械视觉图像高斯与椒盐噪声去除方法研究

基于深度学习的手术器械视觉图像高斯与椒盐噪声去除方法研
究
苗保明;陈炜;吴航;余明;韩思齐
【期刊名称】《医疗卫生装备》
【年(卷),期】2024(45)2
【摘要】目的:为消除手术器械视觉图像中的高斯与椒盐噪声,并恢复图像的细节特征,提出一种基于深度学习的手术器械视觉图像高斯与椒盐噪声去除方法。

方法:首先,构建由多特征融合编码器解码器网络、注意力引导网络和细节恢复渐进式网络
3个部分组成的轻量级多任务渐进式网络,使用多特征融合编码器解码器网络预测
视觉图像中的噪声信息,并从原图像中去除,使用注意力引导网络进一步去除图像中的残留噪声,使用细节恢复渐进式网络对去噪图像的底层细节特征进行恢复。

其次,对轻量级多任务渐进式网络进行轻量化设计,将细节恢复渐进式网络中的部分常规
卷积替换为深度可分离卷积。

最后,在公开的CBSD68、Kodak24数据集和自建的手术器械噪声数据集上进行去噪实验,比较基于轻量级多任务渐进式网络的去噪方
法与经典去噪方法的去噪效果,ResNet-18模型和ResNet-34模型对采用轻量级
多任务渐进式网络去噪后的图像的分类准确率,并分析轻量化设计前后的算力和内
存占用情况。

结果:在公开数据集上,所提出的方法较经典的去噪方法取得了更好的去噪效果。

在手术器械噪声数据集上,ResNet-18模型和ResNet-34模型对采用
轻量级多任务渐进式网络去噪后的图像分类准确率更高。

经过轻量化设计的去噪方法的参数量和浮点运算数(floating point operations,FLOPs)分别减少了约27.27%和29.81%。

结论:基于深度学习的手术器械视觉图像高斯与椒盐噪声去除方法具有优秀的手术器械视觉图像去噪性能,且具有更少的算力消耗和内存占用。

【总页数】7页(P1-7)
【作者】苗保明;陈炜;吴航;余明;韩思齐
【作者单位】天津理工大学天津市先进机电系统设计与智能控制重点实验室;天津理工大学机电工程国家级实验教学示范中心;军事科学院系统工程研究院;南开大学人工智能学院
【正文语种】中文
【中图分类】TP3
【相关文献】
1.基于浮选图像的高斯-椒盐噪声滤波算法
2.基于数学形态学的图像椒盐噪声去除方法
3.一种新的去除视觉文本图像椒盐噪声的算法
4.基于多窗口中值滤波和迭代高斯滤波的去除图像椒盐噪声的方法
5.一种改进的去除灰度图像椒盐噪声方法的研究
因版权原因，仅展示原文概要，查看原文内容请购买。