摘要：针对在肺结节分割过程中结节边缘像素点模糊导致模型分割精度低的问题,提出一种用于增强边缘特征的对称双分支结构分割模型GEU-Net(gabor edge U-Net)。其主干分支使用U-Net来捕获结节整体视觉特征以及全局上下文信息,边缘分支则设计gabor卷积模块提取结节边缘纹理特征,并通过跳跃连接对主干分支与边缘分支编码器提取到的特征进行融合。此外,提出一种融合交叉熵和Focal Loss的混合损失函数,用于解决两个分支在训练过程中存在的正负类样本不均衡问题。在公开数据集LIDC-IDRI以及LNDb上进行了结节分割实验,实验结果表明,GEU-Net分割模型在两个数据集上的Dice系数分别为92.79%和86.78%、平均交并比分别为87.53%和79.09%、召回率则分别为94.35%和87.43%,与基线算法相比分割性能得到了一定程度的改善。

摘要：针对主线、褶皱线及噪声等造成高分辨率掌纹细节点提取困难的问题,提出一种基于gabor相位和图像质量评价的高分辨率掌纹细节点提取算法。首先使用gabor振幅相位模型对掌纹图像进行描述,并基于gabor相位提出多尺度的细节点检测方法;然后利用提取细节点过程中的信息,设计基于傅里叶响应的质量评价方法和基于gabor振幅的质量评价方法;最后融合两种质量评价结果,并对检测到的细节点进行筛选。实验结果表明,所提方法能够有效地提取高分辨率掌纹图像的细节点,并去除不可信细节点。与其他方法相比,具有更好的细节点提取结果。