面向内窥镜成像的多尺度结构感知曝光校正
图像与视频处理
2024-10-28 v1 计算机视觉与模式识别
摘要
内窥镜检查是诊断中空器官癌变最广泛使用的成像技术。然而，内窥镜图像常受光照伪影影响：根据光源位置和组织方向，图像部分可能曝光过度或曝光不足。这些伪影对计算机视觉或基于AI的诊断工具的性能有强烈的负面影响。尽管对内窥镜图像增强方法的需求很大，但针对实时过曝和欠曝增强的研究却很少。本文提出了对LMSPEC目标函数的扩展，该方法最初用于增强自然场景图像。本文将其用于内窥镜成像中的曝光校正和结构信息保留。据我们所知，本文是首个使用深度学习方法处理内窥镜图像增强的工作。在Endo4IE数据集上测试，所提出的实现相比LMSPEC取得了显著改进，对于过曝和欠曝图像，SSIM分别提高了4.40%和4.21%。
引用
@article{arxiv.2210.15033,
title = {Multi-Scale Structural-aware Exposure Correction for Endoscopic Imaging},
author = {Axel Garcia-Vega and Ricardo Espinosa and Luis Ramirez-Guzman and Thomas Bazin and Luis Falcon-Morales and Gilberto Ochoa-Ruiz and Dominique Lamarque and Christian Daul},
journal= {arXiv preprint arXiv:2210.15033},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication