一种用于评估基于机器学习的光度图像增强模型的新型混合内镜数据集
图像与视频处理
2022-07-07 v1 计算机视觉与模式识别
摘要
内镜是空心器官内癌症和息肉检测最广泛使用的医学技术。然而，由于光源方向，内镜获取的图像经常受到照明伪影的影响。当内镜光源姿态突然改变时存在两个主要问题：产生过曝和欠曝的组织区域。这两种情况可能由于受影响区域信息缺失导致误诊，或妨碍非侵入性检查期间使用的各种计算机视觉方法（例如SLAM、运动恢复结构、光流）的性能。本工作的目的是双重的：i）引入一种由生成对抗技术生成的新型合成数据集；ii）探索在过曝和欠曝光照条件下的基于浅层和深度学习的图像增强方法。最佳的定量结果（即基于指标的结果）由基于深度学习的LMSPEC方法获得，此外其运行时间约为7.6 fps。
引用
@article{arxiv.2207.02396,
title = {A Novel Hybrid Endoscopic Dataset for Evaluating Machine Learning-based Photometric Image Enhancement Models},
author = {Axel Garcia-Vega and Ricardo Espinosa and Gilberto Ochoa-Ruiz and Thomas Bazin and Luis Eduardo Falcon-Morales and Dominique Lamarque and Christian Daul},
journal= {arXiv preprint arXiv:2207.02396},
year = {2022}
}