.png){kind=icon}
返回
Image smoothing algorithm based on texture intensity adaptation and edge consistency
.png){kind=icon}
PRE
AI
DOI：10.1007/s00530-025-01818-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
能够保留图像显著结构信息并滤除纹理和噪声的图像平滑技术尤为重要。针对现有方法未能充分处理纹理变化且无法有效挖掘和利用图像边缘的结构信息的问题，本文提出了纹理强度自适应边缘一致性网络模型（TIAEC-Net）。为增强纹理滤波效果，本文提出了纹理强度自适应模块，通过预测显著结构信息并应用注意力机制对特征进行滤波，更准确地捕捉纹理信息的变化。在平滑过程中，采用提取边缘信息并与其他输入特征进行特征融合的方法，以确保显著边缘结构不被过度平滑。同时，提出了边缘一致性模块，通过分析输入图像与输出图像之间的边缘响应一致性关系，增强模型的边缘保护能力。此外，采用弱结构增强模块来增强图像中的边缘细节。经过实验验证，TIAEC-Net模型在保留图像显著边缘结构方面表现优异，并在公开数据集上优于大多数当前方法。
Keyword:
Image smoothing
Texture detection
Edge consistency
Deep learning
期刊
IF:
3.1
论文数:
2.8K
被引数:
2.7K
机构
暂无机构信息
引用论文
分享收藏Dual convolutional neural network with attention for image blind denoising.png)
MULTIMEDIA SYSTEMS
MULTIMEDIA SYSTEMSIF3.1
PREAI
分享收藏Easy2Hard: Learning to Solve the Intractables From a Synthetic Dataset for Structure-Preserving Image SmoothingEasy2Hard: 学习从合成数据集中解决难题，以保持结构的图像平滑
PREAI
分享收藏
查看更多内容