Jul, 2023

Radon 有符号累积分布变换及其在有符号图像分类中的应用

PDF
TL;DR基于运输和最优运输的数学，我们描述了一种新的图像表示技术。该方法基于图像的 Radon 变换和最近的信号表示方法 Signed Cumulative Distribution Transform 的组合，将以前与运输相关的图像表示方法推广到任意函数（图像）。与现有的运输变换方法以及基于深度学习的分类方法相比，该新变换更准确地表示有符号图像的信息内容，因此可以获得更高的分类准确性。
image representationtransportoptimal transportradon transformsigned cumulative distribution transform
发现论文，激发创造
  • Radon 累积分布变换及其在图像分类中的应用

    描述了一种组合了 Radon 变换和一维累积分布变换的非线性可逆图像处理变换，并通过理论和实验结果表明其可以将某些问题在变换空间中线性可分。

    Nov, 2015

  • 学习偏径向设置下圆形 Radon 变换的端到端反演

    我们提出了一种基于深度学习的计算算法来破解局部径向设定下的圆形 Radon 变换，该变换在光声断层扫描中出现。我们首先证明了截断奇异值分解方法，这是唯一可用于解决此问题的传统算法，会导致严重的伪影从而使重建场景没有用武之地。为了克服这个计算瓶颈，我们训练了一个基于 ResBlock 的 U-Net，以直接通过测量数据恢复推断场景。在噪声全视图和有限视图数据存在的情况下，使用增强 Shepp-Logan 幻影的数值结果，证明了所提出算法的优越性。

    Aug, 2023

  • 基于深度学习的 Radon 反演

    本文提出了一种基于深度学习的逆 Radon 变换方法，可完成端到端的扫描成像重建，其网络结构包含一个可学习的全连接滤波层和一个可学习的正弦反投影层，通过 ImageNet 数据库的训练获得了较好的病患数据的重建结果。

    Aug, 2018

  • HoughToRadon 变换：用于投影空间特征改进的新型神经网络层

    介绍了一种 HoughToRadon 变换层，旨在改善神经网络与 Hough 变换结合以解决语义图像分割问题的速度。实验证明，这种方法在文档分割任务中节省时间并实现了 97.7% 的准确率，优于计算复杂度更高的 HoughEncoder。

    Feb, 2024

  • 基于卷积神经网络和 Radon 变换的快速医学图像检索生成二进制标签

    本研究提出了一种采用卷积神经网络和 Radon 条形码的医学图像检索方法，结果表明其在医疗图像中检索方面的表现优于其他已发表的方法。

    Apr, 2016

  • RadRotator：基于扩散模型的根管 X 射线片的三维旋转

    利用扩散模型技术将二维图像转化为三维体积，从医学角度解决了之前研究中的两个限制，并通过像素强度随机变换训练和推断，使得扩散模型能在传统射线照片上进行可靠的深度学习

    Apr, 2024

  • 图像数据增强的特征转换

    本研究提出了基于数据层面上的集成学习方法，在 Convolutional Neural Networks 的训练集上应用将 14 种数据增强方法生成的图像构建 ensemble，其中包括了基于傅里叶变换、Radon 变换和离散余弦变换的三种新型数据增强方法。通过 11 个基准测试的比较，证明了该方法不仅与当前的最优方法竞争力度一致，有时还能超过其性能。

    Jan, 2022

  • 有限角度层析成像中的数据驱动方法的鲁棒性

    基于深度神经网络的数据驱动方法相较于传统方法，能够更稳定地重建有限角度 Radon 变换中的信息。

    Mar, 2024

  • 使用变形风险最小化学习增强分布

    提出了一种新的 Transformed Risk Minimization (TRM) 方法，该方法通过学习数据增强变换的分布来解决机器学习中的数据分布结构适应问题；并且通过一种新的参数化组合块的方法，利用 PAC-Bayes upper bound 优化数据增强空格，在 CIFAR10/100、SVHN 等数据集上使用 Stochastic Compositional Augmentation Learning (SCALE) 算法进行实验，提高了学习模型的校准性能。

    Nov, 2021

  • 引导尺度空间 Radon 变换用于线性结构检测

    使用积分变换进行层析变换中复杂背景图像的线段检测，提出一种方法用于自动检测灰度和二值图像中的粗线性结构，此方法通过计算待调查图像的 Hessian 方向来突出线性结构并减少不相关峰值，实验证明该方法对噪声和复杂背景具有鲁棒性。

    Nov, 2023