摘要：为了提高去噪网络的可解释性,将传统滤波算子的优势融入到网络设计中,提出了基于跨尺度边缘增强的深度卷积神经网络(CEDCNN).将传统边缘算子与卷积相结合,设计出轻量化的边缘增强模块,增强边缘信息对网络结果的影响.基于自适应一致性先验算法构建深度迭代网络,进一步提取边缘增强特征,从而实现端到端可训练、可解释的深度去噪网络.将均方误差和多尺度注意残差感知损失相结合,解决了重建图像过平滑的问题.实验结果表明,CEDCNN去噪网络的PSNR、RMSE、SSIM评价指标分别为43.647 5 dB、0.006 8、0.987 5,说明该方法可显著提高去噪后的图像质量,有效保证低剂量X射线下CT图像的成像质量和精度,去噪效果与正常剂量CT图像所展现的人体组织细节相当.

摘要：为避免frost滤波因使用同一微调因子带来边缘细节等结构信息的模糊,以及等距等权所带来的盲目平滑现象,对frost滤波算法提出了一种改进方案。该方案综合考虑滤波窗口本身的局域统计特性以及窗口内各像素本身的统计特性来自适应确定微调因子。通过对真实合成孔径雷达图像进行改进算法降噪实验,以等效视数和边缘保持指数两项指标为评价标准,并与不同微调因子的Frost滤波输出结果进行比较,结果表明改进算法比原算法有很大的改进,在边缘保持和去噪方面具有更好的滤波性能。

摘要：To further explore the human visual system（ HVS）,the perceptual grouping（ PG）, which has been proven to play an important role in the HVS, is adopted to design an effective image quality assessment（ IQA） model. Compared with the existing fixed-window-based models, the proposed one is an adaptive window-like model that introduces the perceptual grouping strategy into the IQA model. It works as follows： first,it preprocesses the images by clustering similar pixels into a group to the greatest extent; then the structural similarity is used to compute the similarity of the superpixels between reference and distorted images; finally, it integrates all the similarity of superpixels of an image to yield a quality score. Experimental results on three databases（ LIVE, IVC and MICT） showthat the proposed method yields good performance in terms of correlation with human judgments of visual quality.

摘要：由于现有的生成对抗网络(GAN)很难完全获取细节上的失真,生成高质量图像仍旧比较困难。为了提高基于GAN的无参考图像质量评价(NR⁃IQA)方法的性能,提出一种基于对抗和梯度的NR⁃IQA方法。通过改进网络模型结构和引入基于梯度和色度相似性的平均偏差相似指数(MDSI)来提升模型的整体性能,整个模型由GAN和质量预测网络组成。首先,为了增强对抗训练,设计了双判别器的GAN,将失真图像和参考图像分别输入到网络中,利用WED数据集对GAN进行训练;其次,利用GAN生成相应失真图像的虚拟图像,并分析两者之间的差异,得到失真差异图和MDSI图;最后,为了从多个方面测量图像的感知质量,设计了多流质量预测网络,将失真图像、虚拟图像、失真差异图、MDSI图分别输入到网络中,输出图像质量预测分数。在LIVE、CISQ、TID2013数据集上进行训练和测试,所提算法在三个数据集上都表现出较好的性能,尤其在TID2013上。实验结果表明,该算法与人的主观评价具有较高的一致性。

摘要：当前,新工科背景下计算机专业的课程思政教学得到广泛关注。文章首先分析计算机专业课程思政的必要性,然后以“计算机组成原理”课程为例,详细阐述了如何从教学目标制定、教学内容设计、教学手段使用、教学方法选择、实验环节设置以及教学效果评估等方面进行课程思政教学实施路径探索,从而达到课程与思政教学的有机融合。