CMISR：环形医学图像超分辨率
图像与视频处理
2024-03-01 v2 机器学习
摘要
经典医学图像超分辨率（MISR）方法采用具有隐式欠分辨率（UR）单元与显式超分辨率（SR）单元的开环架构。UR 单元总可给定、假设或估计，而 SR 单元则依据各类 SR 算法精心设计并。闭环反馈机制在当前 MISR 方法中被广泛采用，能有效提升其性能。反馈机制可分为两类：局部反馈与全局反馈。因此，本文提出一种基于全局反馈的闭环框架——环形 MISR（CMISR），具有明确的 UR 与先进的 SR 要素。建立了 CMISR 的数学模型与闭环方程。基于泰勒级数近似的数学证明表明，CMISR 在稳态下具有零恢复误差。此外，CMISR 具备即插即用特性，可融合基于模型与基于学习的方法，并可在任意现有 MISR 算法上构建。基于最先进的开环 MISR 算法分别提出了五种 CMISR 算法。在三个尺度因子下、三个公开医学图像数据集上的实验结果表明，CMISR 在重建性能上优于 MISR，且特别适用于具有强边缘或高对比度的医学图像。
引用
@article{arxiv.2308.08567,
title = {CMISR: Circular Medical Image Super-Resolution},
author = {Honggui Li and Nahid Md Lokman Hossain and Maria Trocan and Dimitri Galayko and Mohamad Sawan},
journal= {arXiv preprint arXiv:2308.08567},
year = {2024}
}