【摘 要】
：
目的全景图像的质量评价和传输、处理过程并不是在同一个空间进行的,传统的评价算法无法准确地反映用户在观察球面场景时产生的真实感受,针对观察空间与处理空间不一致的问题,本文提出一种基于相位一致性的全参考全景图像质量评价模型。方法将平面图像进行全景加权,使得平面上的特征能准确反映球面空间质量畸变。采用相位一致性互信息的相似度获取参考图像和失真图像的结构相似度。接着,利用相位一致性局部熵的相似度反映参考图
【机 构】
：
上海大学通信与信息工程学院,上海 200444;上海大学通信与信息工程学院,上海 200444;上海大学上海先进通信与数据科学研究所,上海 200444
论文部分内容阅读
目的全景图像的质量评价和传输、处理过程并不是在同一个空间进行的,传统的评价算法无法准确地反映用户在观察球面场景时产生的真实感受,针对观察空间与处理空间不一致的问题,本文提出一种基于相位一致性的全参考全景图像质量评价模型。方法将平面图像进行全景加权,使得平面上的特征能准确反映球面空间质量畸变。采用相位一致性互信息的相似度获取参考图像和失真图像的结构相似度。接着,利用相位一致性局部熵的相似度反映参考图像和失真图像的纹理相似度。将两部分相似度融合可得全景图像的客观质量分数。结果实验在全景质量评价数据集OI
其他文献
以卷积神经网络为代表的深度学习技术推动神经网络在医学图像研究领域不断实现新突破。然而,平移不变性等理论假设限制了卷积神经网络在非欧氏空间数据中的表达能力,是医学图像深度学习技术亟待突破的瓶颈。图卷积技术不仅能够解决非欧氏空间数据的拓扑建模难题,还实现了空间特征提取,是深度学习技术全新的研究方向。本文对图卷积网络在医学图像领域的相关理论及其应用进行综述,旨在系统归纳和全面总结医学图像领域最新的图卷积
目的自动检测谣言至关重要,目前已有多种谣言检测方法,但存在以下两点局限:1)只考虑文本内容,忽略了可用于判断谣言的辅助多模态信息;2)只关注时间序列模型捕捉谣言事件的时间特征,没有很好地研究事件的局部信息和全局信息。为了克服这些局限性,有效利用多模态帖子信息并联合多种编码策略构建每个新闻事件的表示,本文提出一种新颖的基于多模态多层次事件网络的社交媒体谣言检测方法。方法通过一个多模态的帖子嵌入层,同
基于多尺度变换的像素级图像融合是计算机视觉领域的研究热点,广泛应用于医学图像处理等领域。本文对多尺度变换的像素级图像融合进行综述,阐述多尺度变换图像融合的基本原理和框架。在多尺度分解方面,以时间为序梳理了塔式分解、小波变换和多尺度几何分析方法的发展历程。在融合规则方面,围绕Piella框架和Zhang框架,讨论通用的像素级图像融合框架;在低频子带融合规则方面,总结基于像素、区域、模糊理论、稀疏表示
液相微萃取(LPME)是一种微型的环境友好型的样品前处理技术,集萃取、富集、浓缩于一体,对整个化学领域具有重要意义,尤其在食品分析领域,它已成为样品前处理技术的研究热点。液相微萃取克服了传统方法的弊端,具有有机试剂用量少,操作简单、快速,富集因子高等优点。基于液相微萃取的前处理技术也在不断开发应用,通过总结液相微萃取的原理及其在食品分析领域的应用,讨论不同前处理技术的优缺点,并对其未来发展趋势进行展望。
目的现有的深度学习模型往往需要大规模的训练数据,而小样本分类旨在识别只有少量带标签样本的目标类别。作为目前小样本学习的主流方法,基于度量的元学习方法在训练阶段大多没有使用小样本目标类的样本,导致这些模型的特征表示不能很好地泛化到目标类。为了提高基于元学习的小样本图像识别方法的泛化能力,本文提出了基于类别语义相似性监督的小样本图像识别方法。方法采用经典的词嵌入模型GloVe(global vecto
目的肿瘤周围高危器官的准确分割是图像引导放射治疗中的关键步骤,也是对抗肺癌和食道癌,规划有效治疗策略的重要组成部分。为了解决不同患者之间器官形状和位置的复杂变化情况以及计算机断层扫描(computed tomography, CT)图像中相邻器官之间软组织对比度低等问题,本文提出了一种深度学习算法对胸部CT图像中的高危器官进行细分。方法以U-Net神经网络结构为基础,将冠状面下的3个连续切片序列即
高水分挤压制备植物基肉制品过程中蛋白质、碳水化合物、脂质等生物大分子及分子间相互作用是形成产品外观、质构、风味、口感等品质的分子基础。然而,目前高水分挤压过程中生物大分子间相互作用机制及其对植物基肉制品品质的影响规律尚不明确。本文在参考国内外文献的基础上,总结制备植物基肉制品常用的蛋白质种类及其结构变化特点,梳理蛋白质结构表征及植物基肉制品品质评价方法,分析植物基肉制品制备过程中生物大分子间的相互作用及其对产品品质的影响,提出植物基肉制品发展面临的挑战及未来重点研究方向,旨在为植物基肉制品品质控制和改善提
病灶精确分割对患者病情评估和治疗方案制定有重要意义,由于医学图像中病灶与周围组织的对比度低,同一疾病病灶边缘和形状存在很大差异,从而增加了分割难度。U-Net是近些年深度学习研究中的热点,为医生提供了一致性的量化病灶方法,一定程度上提高了分割性能,广泛应用于医学图像语义分割领域。本文对U-Net网络进行全面综述。阐述U-Net网络的基本结构和工作原理;从编码器个数、多个U-Net级联、与U-Net
目的从影像中快速精准地分割出肺部解剖结构可以清晰直观地分辨各解剖结构间的关系,提供有效、客观的辅助诊断信息,大大提高医生的阅片效率并降低医生的工作量。随着影像分割算法的发展,越来越多的方法应用于分割肺部影像中感兴趣的解剖结构区域,但目前尚缺乏包含多种肺部精细解剖结构的影像数据集。本文创建了一个带标签的肺部CT/CTA(computer tomography/computer tomography
近年来,肠道菌群与肠道稳态研究已成为临床医学、生物学、食品营养学等多个领域的研究热点。肠黏膜是机体抵御外界病原侵袭和维持肠道稳态的重要屏障,而黏蛋白作为肠黏液的主要组成成分,在食品营养中的作用不容忽视。目前,黏蛋白的相关研究较少,其功能特性尚不清晰,缺少系统的总结与分析。本文梳理黏蛋白的结构、分类、生物学活性及其与食品营养的关系,以期为开展黏蛋白在肠道健康与食品营养领域中的研究提供参考。