| 基于序列信息的土壤CT图像超分辨率重建 |
| |
| 引用本文： | 韩巧玲,周希博,宋润泽,赵玥.基于序列信息的土壤CT图像超分辨率重建[J].农业工程学报,2021,37(17):90-96. |
| |
| 作者姓名： | 韩巧玲 周希博 宋润泽 赵玥 |
| |
| 作者单位： | 1. 北京林业大学工学院，北京 100083; 2. 林业装备与自动化国家林业局重点实验室，北京 100083; 3. 城乡生态环境北京实验室，北京 100083;;4. 中国农业大学信息与电气工程学院，北京 100091; |
| |
| 基金项目： | 中央高校基本科研业务费专项资金项目（BLX202017），国家自然科学基金面上项目(32071838)，中国博士后科学基金(2020M680409)，北京市共建项目专项资助 |
| |
| 摘 要： | 受部分容积效应影响，土壤计算机断层扫描（Computed Tomography，CT）图像存在孔隙边界模糊现象，影响土壤孔隙结构研究的准确性。针对该问题，该研究提出基于序列信息的生成式对抗网络（Sequence information Generative Adversarial Network，SeqGAN），实现土壤CT图像的超分辨率重建。针对土壤CT序列图像具有较高相似性的特点，SeqGAN法引入序列卷积块挖掘前后图像的序列信息，并将多重特征增强融合于目标图像中；利用多层残差块提取图像特征，构建残差块输入和输出的直接连接，以减少模型退化；利用对抗网络实现损失间接反馈，提高模型的特征学习能力。在序列相似性较高的土壤图像数据集验证了该方法性能。结果表明，SeqGAN法均方误差比次优方法GAN降低25%，峰值信噪比提升1.4 dB，结构相似性提升0.2%。重建的土壤图像具有较高准确率和清晰度，可为后续土壤物理学研究提供准确的数据基础。
|
| 关 键 词： | 土壤 图像处理 CT图像 超分辨率重建 深度学习 生成式对抗网络 |
| 收稿时间： | 2021/5/14 0:00:00 |
| 修稿时间： | 2021/7/30 0:00:00 |
Super-resolution reconstruction of soil CT images using sequence information |
| |
| Han Qiaoling,Zhou Xibo,Song Runze,Zhao Yue.Super-resolution reconstruction of soil CT images using sequence information[J].Transactions of the Chinese Society of Agricultural Engineering,2021,37(17):90-96. |
| |
| Authors: | Han Qiaoling Zhou Xibo Song Runze Zhao Yue |
| |
| Institution: | 1. School of Technology, Beijing Forestry University, Beijing 100083 China; 2. Key Lab of State Forestry Administration for Forestry Equipment and Automation, Beijing 100083, China; 3. Beijing Laboratory of Urban and Rural Ecological Environment, Beijing 100083, China;;4. College of Information and Electrical Engineering, China Agricultural University, Beijing 100091, China; |
| |
| Abstract: | |
| |
| Keywords: | soils image processing CT images Super-Resolution deep learning Generative Adversarial Network |
|
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
| 点击此处可从《农业工程学报》下载免费的PDF全文 |
