基于多级服从像素网络判别器深度迭代(DIAMOND)的医学图像恢复
图像与视频处理
2021-02-12 v1 计算机视觉与模式识别
摘要
图像复原是一个典型的病态问题，且包含多种任务。在医学成像领域，病态图像会干扰诊断乃至后续的图像处理。传统的迭代方法与最新的深度网络均备受关注，并在重建满意图像方面取得了显著进展。本研究将二者的优势结合到一个统一的数学模型中，并提出一种通用的图像复原策略以应对此类问题。该策略由两个模块组成。首先，构建一种采用 WGAN-GP 训练的新的生成对抗网络(GAN)，以恢复图像结构与细微细节。然后，深度迭代模块通过 ADMM 优化将预训练深度网络与压缩感知算法相结合，从而提升图像质量。(D)eep (I)teration 模块抑制图像伪影并进一步恢复细微图像细节，(A)ssisted by (M)ulti-level (O)bey-pixel 特征提取网络 (D)iscriminator 以恢复总体结构。因此，所提出的策略被命名为 DIAMOND。
引用
@article{arxiv.2102.06102,
title = {Deep Iteration Assisted by Multi-level Obey-pixel Network Discriminator (DIAMOND) for Medical Image Recovery},
author = {Moran Xu and Dianlin Hu and Weifei Wu and Weiwen Wu},
journal= {arXiv preprint arXiv:2102.06102},
year = {2021}
}