检索结果-内蒙古大学图书馆

电网技术 2020年第8期44卷 3139-3148页

作者：周东旭王丰华党晓婧张欣刘顺桂上海交通大学电气工程系上海市闵行区200240 深圳供电局有限公司电力科学研究院广东省深圳市518000

运行中的变压器声信号由其机械结构振动经空气传播形成,易受周围环境影响,且所含干扰信号具有较大的不确定性,给基于声信号的变压器状态监测带来不利影响。为有效获取反映变压器运行状态的声信号,从特高压交流变压器声信号的声学特征出... 详细信息

运行中的变压器声信号由其机械结构振动经空气传播形成,易受周围环境影响,且所含干扰信号具有较大的不确定性,给基于声信号的变压器状态监测带来不利影响。为有效获取反映变压器运行状态的声信号,从特高压交流变压器声信号的声学特征出发,依据声信号的集合经验模态分解(ensembled empirical mode decomposition,EEMD)结果,提出了基于稀疏表示理论的特高压交流变压器声信号盲分离方法,即通过构建K-奇异值分解(K-singularvalue decomposition,K-SVD)字典和应用正交匹配追踪算法,得到了成分相对单一的特高压交流变压器声信号,有效抑制了特高压交流变压器声信号中的干扰成分。对某1000kV变电站主变声信号的计算结果表明:基于EEMD算法和稀疏表示理论能有效地对特高压交流变压器声信号中包含的环境噪声和人说话声等干扰成分进行盲分离,具有自适应性强、计算效率高和重构误差低的优点,可为基于声信号的特高压交流变压器状态监测提供重要数据支持。

关键词：特高压变压器 EEMD算法 K-SVD字典盲分离声信号稀疏表示理论

来源：评论

学校读者我要写书评

暂无评论

稀疏表示理论在医学影像处理与分析中的应用研究

稀疏表示理论在医学影像处理与分析中的应用研究

引用

作者：陈习华中科技大学

学位级别：博士

近年来,信号处理领域的一个最新进展是稀疏表示理论。稀疏表示理论已被广泛应用于图像处理、计算机视觉和模式识别等方面。同时在医学影像处理与分析领域,以稀疏表示理论为基础的稀疏编码方法和稀疏正则化方法也得到了广大研究者的日益... 详细信息

近年来,信号处理领域的一个最新进展是稀疏表示理论。稀疏表示理论已被广泛应用于图像处理、计算机视觉和模式识别等方面。同时在医学影像处理与分析领域,以稀疏表示理论为基础的稀疏编码方法和稀疏正则化方法也得到了广大研究者的日益重视,运用稀疏方法能够解决传统医学影像处理与分析技术中的许多问题。医学影像处理与分析主要包含医学影像去噪、增强、分割和影像序列分析等技术。本论文在稀疏表示理论的基础上研究了医学影像处理与分析领域中的几个问题,对医学影像去噪、影像增强和影像序列分析进行了讨论,具体成果如下。将斑点噪声模型与图像稀疏编码相结合解决超声医学影像去噪问题。采用l1/2稀疏编码对影像数据进行描述以得到比传统l1编码更为稀疏的表达形式。在Bayesian-MAP框架下,根据编码的统计分布特点,设计合适的阈值收缩算法,实现对噪声的抑制,达到恢复影像质量的目的。实验表明算法能有效地恢复医学超声影像,较好地抑制斑点噪声,增强边缘并保持细节效果。研究了医疗影像的偏差场自适应校正与增强问题。针对传统校正增强方法对偏差场模型参数依赖等问题,分析了医疗成像中偏差场与观测影像之间的联系,提出实现影像增强的合理假设,在偏差场成像模型的基础上,构造了基于稀疏正则约束的自适应校正增强模型。增强模型包含双正则项,分别采用全变差约束理想影像和梯度光滑性约束偏差场结构,运用迭代演化观测影像曲面的方法自适应地逼近偏差场,从而避免了估计偏差场模型参数,采用交替优化方法寻优达到校正增强目的。仿真与真实数据实验验证了该算法能够得到较好地实现医学影像增强效果。研究了医学时序影像数据自动化分析技术,通过对传统医学影像序列因子分析方法进行讨论,提出一种基于稀疏非负矩阵分解的影像序列因子分析方法。该方法针对传统因子分析方法中出现的问题进行改进,解决了解的非负性并对解的结构进行约束。在保证分解结果非负性的前提下,提出了既能够描述医学生理结构独立性,又能够限制解的结构稀疏正则约束项,进而构造出新的因子分析模型。应用稀疏非负矩阵分解算法实现模型的数值求解运算。仿真实验证明了该算法的有效性与稳定性,与传统经典方法相比,效果有较大提高。进一步将新方法应用到肝脏超声灌注造影数据中,处理结果得到了诊断医师的认可,验证了技术的可行性与准确性。最后,本文归纳总结了所做的工作,同时分析了本文的不足之处,并进一步讨论了研究计划。

关键词：稀疏表示理论医学影像处理医学影像分析图像去噪图像增强因子分析

来源：评论

学校读者我要写书评

暂无评论

基于稀疏表示理论的社群图像标签排序算法的研究与实现

基于稀疏表示理论的社群图像标签排序算法的研究与实现

引用

作者：王彩霞北京交通大学

学位级别：硕士

随着互联网的飞速发展,在线社群图像的规模呈爆炸式增长,面对日益庞大的图像数据,如何对图像库进行有效的组织、管理和检索成为亟待解决的问题。标签是当前标注这些网络图像的重要方式,但是,由于受用户知识背景和主观感情的影响,导致用... 详细信息

随着互联网的飞速发展,在线社群图像的规模呈爆炸式增长,面对日益庞大的图像数据,如何对图像库进行有效的组织、管理和检索成为亟待解决的问题。标签是当前标注这些网络图像的重要方式,但是,由于受用户知识背景和主观感情的影响,导致用户对图像内容的描述是模糊的、杂乱无序的,最终导致用户从海量社群图像中检索目标图像变得非常困难。因此,标签排序问题成为图像检索领域一个非常热门的研究课题。基于此,本文提出一种基于稀疏表示的社群图像标签排序算法来解决标签重排序问题。现存的标签排序算法大致包含两类：标签相关性排序和标签显著性排序。本文通过对现有的标签排序研究成果进行详细的综述和分析,提出一种基于稀疏表示的社群图像标签排序算法。所谓稀疏表示,是指用很少的数据从大量数据里捕获感兴趣目标的重要信息。具体来说,对于非显著性图像集,该算法采用稀疏表示算法选择相似性图片集,然后通过近邻投票策略完成标签重排序；对于显著性图像集,该算法采用基于稀疏表示的多示例学习算法选择示例原型,然后通过视觉显著性分析依据标签对应区域的显著度完成标签重排序。本文将稀疏表示思想运用到标签排序中,为标签排序问题提供一种新的解决方法,具有重要的理论与实际意义。为了验证本文所提稀疏表示标签排序算法的有效性,本文在ECCV5k图像库和MSRC图像库上分别进行了大量实验验证与分析。实验表明,该算法具有良好的效果,相比现有的主流标签排序算法,性能有显著提高。

关键词：稀疏表示理论多示例学习觉注意力模型多样性密度显著性

来源：评论

学校读者我要写书评

暂无评论

基于GPU及特征融合的目标跟踪研究

基于GPU及特征融合的目标跟踪研究

引用

作者：卢盈盈厦门大学

学位级别：硕士

稀疏表示和压缩感知理论是近年来比较受关注的前沿理论，其中图像稀疏表示是研究热点之一，在目标识别和跟踪中都取得了较好的效果。本文利用稀疏表示和压缩感知理论，研究基于特征融合的目标跟踪问题，基于视频序列的跟踪照明变化和遮... 详细信息

稀疏表示和压缩感知理论是近年来比较受关注的前沿理论，其中图像稀疏表示是研究热点之一，在目标识别和跟踪中都取得了较好的效果。本文利用稀疏表示和压缩感知理论，研究基于特征融合的目标跟踪问题，基于视频序列的跟踪照明变化和遮挡问题，提出了一种基于特征融合和目标跟踪粒子滤波框架使用稀疏表示方法。主要研究工作及其创新点如下:　　融合过程采取一张图片提取SURF特征后，找到对应特征点的坐标，再和剩下的判断好遮挡的原图片计算梯度相结合，重复的坐标采取各取0.5加权，拼成一张和原图片相同大小的图片，进行融合。　　目标跟踪阶段，本文提出了一种基于特征融合的目标跟踪算法，其中算法主要用到了HOG特征和SURF特征，这两个特征的计算量均比较大。而GPU以单指令多线程的方公式来执行命令，能够同时并行运行大量的线程，因此本文将利用GPU的并行特性，对基于HOG特征和SURF特征融合的目标算法进行了改进，获得了良好的实验效果。

关键词：目标跟踪特征融合图形处理器稀疏表示理论压缩感知理论

来源：评论

学校读者我要写书评

暂无评论

微弱核脉冲信号的快速检测算法研究与实现

微弱核脉冲信号的快速检测算法研究与实现

引用

作者：吕远向西南科技大学

学位级别：硕士

随着核技术的不断发展,核能被广泛的应用于工业生产的各个领域,放射源数量不断增加,对放射源的储存、运输等过程中的检测、监管技术提出了更高的要求。因此,研究微弱核脉冲信号的快速检测方法,提高核素识别准确率,对放射源监管、控制具... 详细信息

随着核技术的不断发展,核能被广泛的应用于工业生产的各个领域,放射源数量不断增加,对放射源的储存、运输等过程中的检测、监管技术提出了更高的要求。因此,研究微弱核脉冲信号的快速检测方法,提高核素识别准确率,对放射源监管、控制具有十分重要的意义。在核脉冲信号检测过程中,由于环境本底噪声和电路噪声的存在,γ射线探测器输出的微弱核脉冲信号容易被干扰甚至淹没。本文针对噪声背景下微弱核脉冲信号难以检测问题,利用稀疏表示方法提取微弱核脉冲信号的时域特征,构建核脉冲信号的过完备字典,然后利用追踪算法从过完备字典中选择原子重构信号,提高微弱核脉冲信号的信噪比。具体研究内容如下:(1)研究微弱核脉冲信号检测的基本原理,对微弱核脉冲信号检测系统进行设计与构建,分析探测系统各个模块的指标参数。通过实测实验获得微弱核脉冲信号,分析信号在时域上的幅度信息与相位信息,基于核脉冲信号的数学模型,利用仿真信号和实测信号为算法验证实验提供数据。(2)针对微弱核脉冲信号去噪问题,研究基于稀疏理论的微弱核脉冲信号检测方法。利用奇异值分解方法(Singular value decomposition,SVD)提取核脉冲信号时域信息构建过完备字典,然后采用正交匹配追踪算法(Orthogonal matching pursuit algorithm,OMP)进行稀疏求解,选择适量的最佳原子重构核脉冲本真信号,完成对微弱核脉冲信号的检测。(3)针对核脉冲信号数据量大和稀疏表示算法计算复杂度高的问题,提出基于检测器的预处理核脉冲信号的检测方法,筛选有用核脉冲信号。然后基于并行计算对稀疏表示方法加速,提出一种快速检测微弱核脉冲信号的方法,通过仿真实验与实测实验,验证了方法的有效性。最后利用搭建的运动实验平台进行实验,通过改变放射源速度与屏蔽状态,研究不同检测条件对核脉冲信号的影响,验证了所提方法的有效性。

关键词：微弱核脉冲信号稀疏表示理论正交匹配追算法检测器并行计算

来源：评论

学校读者我要写书评

暂无评论

基于稀疏表示的图像去噪方法研究

基于稀疏表示的图像去噪方法研究

引用

作者：李鑫陕西师范大学

学位级别：硕士

图像去噪是一种改善图像视觉效果和为图像后续处理做准备的重要图像处理技术。图像去噪可以减少噪声对图像的影响,是图像处理中一个不可或缺的环节。近年来随着稀疏表示理论受到研究学者的广泛关注,基于稀疏表示的图像去噪也.成为了该... 详细信息

图像去噪是一种改善图像视觉效果和为图像后续处理做准备的重要图像处理技术。图像去噪可以减少噪声对图像的影响,是图像处理中一个不可或缺的环节。近年来随着稀疏表示理论受到研究学者的广泛关注,基于稀疏表示的图像去噪也.成为了该领域的一个前沿研究课题。相较于传统的去噪方法,基于稀疏表示的去噪方法有着能够对图像进行稀疏表示的优势,可以极大地改善去噪效果。在图像去噪应用的领域里,基于稀疏表示理论的去噪方法已经取得了一定的科研进展。本文在深入研究了传统图像去噪方法与稀疏表示理论的基础上,将图像去噪转化为一个最优化问题,建立了基于稀疏表示的去噪模型。文中分别采用了图像块分类和构造紧框架去噪算法,通过图像在紧框架上的稀疏性和紧框架的完美重构特性,达到去除噪声的目的。本文主要研究内容如下：(1)对传统图像去噪方法进行综述。主要对几类经典的传统去噪算法的优缺点进行分析及对比。在***提出的软、硬阂值去噪方法的基础上,提出两种新的阈值函数去噪方法。(2)对于基于稀疏表示的图像去噪方法展开深入探索,阐述了稀疏表示理论的基本内容。简要介绍了图像稀疏分解过程中经常用到的几种逼近算法和稀疏字典。重点分析了K-SVD算法在字典更新中的应用。(3)在现有的去噪算法之上,针对使用固定框架去噪的局限和K-SVD算法极慢的计算速度,提出了一种改进的基于稀疏表示的多框架去噪方法。详细地阐述了改进算法的去噪原理与具体去噪流程。(4)针对本文所提到的各种去噪方法进行仿真实验,得到去噪后的图像和数据。分析数据,可看出本文提出的改进阈值去噪方法在信噪比增益上比传统软、硬阈值去噪有明显的提高,获得较好的效果。本文提出的基于稀疏表示理论的改进算法与其它基于固定框架稀疏表示的去噪算法相比,有着更好的去噪效果；而与K-SVD算法相比,在达到同等去噪效果的情况下,可以显著地缩短图像去噪的计算时间。

关键词：传统图像去噪小波阈值去噪稀疏表示理论 K-SVD算法紧框架

来源：评论

学校读者我要写书评

暂无评论

基于稀疏表示的视频超分辨率技术研究

基于稀疏表示的视频超分辨率技术研究

引用

作者：姚翠电子科技大学

学位级别：硕士

随着信息化时代的发展,图像和视频已成为多媒体信息的重要载体,人们也追求更加完美的视觉感观和高品质的图像,但由于成像设备和拍摄环境等因素的影响,人们很难获取到高分辨率的数据源,因此对低分辨图像或视频进行超分辨重建的研究具有... 详细信息

随着信息化时代的发展,图像和视频已成为多媒体信息的重要载体,人们也追求更加完美的视觉感观和高品质的图像,但由于成像设备和拍摄环境等因素的影响,人们很难获取到高分辨率的数据源,因此对低分辨图像或视频进行超分辨重建的研究具有重要意义。基于稀疏表示的图像超分辨融入了学习的思想,是超分辨领域的研究重点,首先对大量的高低分辨率图像对进行训练学习,构建高低分辨图像块稀疏表示之间的关系模型,即高分字典和低分字典,接着基于字典对待超分辨块进行稀疏求解,实现图像超分辨模型在整个样本空间的优化求解。本文在基于稀疏表示的单幅图像超分辨的基础上,提出了改进的稀疏表示超分辨模型,并将该模型拓展到了视频超分辨的应用上,主要研究重点包括:（1）传统的稀疏表示图像超分辨基于单个图像块进行稀疏求解,每个图像块的稀疏重建是独立的,本文用基于相似块集合的同步正交匹配追踪（Simultaneous Orthogonal Matching Pursuit,SOMP）的联合稀疏求解代替单个图像块的稀疏求解,将图像块之间的关联约束添加到稀疏求解的模型中,使得稀疏求解更精确,SOMP联合稀疏超分辨模型在视觉和评价指标上都有更好的效果;（2）相似块集合的准确性影响着SOMP稀疏求解的精确度,本文结合非局部均值（Non local means,NLM）和局部的控制核回归（Steering kernel regression,SKR）的特点提出NLKR相似判定准则和改进的自适应NLKR相似判定准则。图像中结构复杂的角点,相似度较高的块较少,使用自适应NLKR相似判定准则能获得更准确的相似块集合,本文改进的模型在非角点处使用NLKR相似判定准则,角点处使用自适应NLKR相似判定准则来确定每个点的相似块集合,仿真验证该模型获得的相似块集合准确度更高;（3）将单幅图像超分辨方法拓展到视频超分辨领域。针对加入时间维度的视频序列提出3-D NLKR相似判定准则,通过3-D相似判定准则在3-D搜索域内确定当前帧图像块的相似块集合,该过程包含无显性运动估计。基于相似块集合进行SOMP稀疏求解,超分辨重建当前帧图像块。仿真表明,本文视频超分辨方法在PSNR和SSIM的评价指标上优于一般的视频超分辨算法。

关键词：稀疏表示理论图像超分辨非局部核回归同步正交匹配追踪

来源：评论

学校读者我要写书评

暂无评论

图像稀疏表示及图像超分辨应用研究

图像稀疏表示及图像超分辨应用研究

引用

作者：曾蕾电子科技大学

学位级别：硕士

图像超分辨技术能基于现有的成像设备和观测结果,不使用高成本的芯片和成像系统,利用廉价的软件方法,重建出高分辨的图像,是当今图像研究领域的热点。图像超分辨是基于降质图像数据的一个病态问题,为使解唯一且稳定,需要寻找成像过程中... 详细信息

图像超分辨技术能基于现有的成像设备和观测结果,不使用高成本的芯片和成像系统,利用廉价的软件方法,重建出高分辨的图像,是当今图像研究领域的热点。图像超分辨是基于降质图像数据的一个病态问题,为使解唯一且稳定,需要寻找成像过程中的图像先验知识。稀疏表示理论在模式识别和图像处理中得到广泛研究。针对单幅图像超分辨,稀疏表示法也是一种基于学习的有效方法。本论文从稀疏表示理论出发,研究冗余字典和稀疏表示算法在单幅图像超分辨中的应用。基于稀疏表示的超分辨框架为:首先在线下训练出冗余字典对,构建图像的高低频信息;其次在线上输入低分图像块和低分字典,求解稀疏表示优化问题,得到稀疏表示系数;最后根据稀疏系数和高分字典,求取高分图像块,并通过优化,重构出整幅高分图像。本文研究重点之一为构建冗余字典。通过对传统字典和联合字典的分析,提出一种对联合字典的改进字典——增加了几何信息的正则化联合字典训练方法。新字典中通过引入稀疏系数几何正则化相似性以增强块的约束。当应用于单帧图像超分辨中时,仿真结果表明改进的几何正则化字典比传统的联合字典更能准确恢复图像信息,在主观视觉观测和客观量化评价都取得了改进。本文研究重点之二是提出一种有效的稀疏表示法——特征符号法。在优化计算的每一步迭代中,通过猜测稀疏系数的符号,将复杂的问题转化为二次规划(QP,Quadratic Programming)问题,从而快速准确的求得最稀疏解。仿真结果揭示了特征符号法比传统的正交匹配追踪(OMP)、预处理共轭梯度法(L1-ls)、最小角度回归(LARS)等方法更能准确的重建图像。通过仿真比较可得,本文方法比其他的稀疏方法视觉效果好,也能取得更好的RMSE与SSIM评价值。

关键词：稀疏表示理论图像超分辨几何正则化联合字典训练特征符号稀疏表示法

来源：评论

学校读者我要写书评

暂无评论

基于稀疏表示的全色和多光谱图像融合方法的研究

基于稀疏表示的全色和多光谱图像融合方法的研究

引用

作者：肖新耀中国科学院大学

学位级别：硕士

高分辨率的多光谱图像应用广泛，比如变化监测、目标识别、场景解译。通常，商用光学卫星能够同时提供高空间分辨率的全色图像和低分辨率的多光谱图像。物理条件的限制使得单一传感器无法获得高质量的多光谱图像。于是，利用全色图像的... 详细信息

高分辨率的多光谱图像应用广泛，比如变化监测、目标识别、场景解译。通常，商用光学卫星能够同时提供高空间分辨率的全色图像和低分辨率的多光谱图像。物理条件的限制使得单一传感器无法获得高质量的多光谱图像。于是，利用全色图像的细节来提高多光谱图像的空间分辨率这一思路受到了广大学者的关注。全色和多光谱图像融合的目标在于同时提高空间分辨率和减小光谱失真。实际上，由于全色图像的加入，融合图像的空间分辨率可以得到显著提高，但是，光谱畸变也会随之产生。　　稀疏表示理论，作为一种新的信号表示方法，已经应用在许多图像处理领域。采用过完备字典的稀疏表示能够使分解系数更稀疏，更能反映信号的本质特征和内在结构。针对全色和多光谱图像融合这一难题，本文提出了基于稀疏表示的融合方法。本论文的具体研究工作和创新点包括:　　1)基于信号本身的稀疏性，提出了一种基于稀疏表示的融合方法，通过逐波段的对多光谱图像进行融合，得到了高质量的融合结果。实验结果表明，本方法在提高空间细节的同时，也很好的控制了光谱畸变。　　2)研究了一种基于小波变换和联合稀疏表示的融合方法，该方法利用小波变换有效了提取出了全色图像的高频信息，同时，联合稀疏表示模型的应用也最大可能的利用了全色和多光谱图像之间的冗余和互补性。实验结果表明，本方法同时在空间分辨率和光谱失真这两个角度，得到了令人满意的融合结果。　　3)针对任意波段的多光谱图像融合问题，提出了一种基于超空间变换和联合稀疏表示的融合方法，在得到理想多光谱图像的同时，有效的解决计算复杂度难题。有参评价和无参评价指标表明，本算法跟当今流行算法相比，有一定的优势。　　总之，本论文基于稀疏表示，探索了全色图像和多光谱图像的融合这一难题，为获得高质量的多光谱图像提高了一种新的思路。

关键词：多光谱图像融合机制空间分辨率稀疏表示理论

来源：评论

学校读者我要写书评

暂无评论

基于字典学习方法的低剂量X-Ray CT图像去噪

基于字典学习方法的低剂量X-Ray CT图像去噪

引用

作者：朱永成东南大学

学位级别：硕士

计算机断层成像技术(Computed Tomography，CT)在经历了三十多年的发展后，成为了仿射诊断和治疗领域内不可或缺的一部分。由于CT图像具有较高的密度分辨率，能够很好的显示密度较小的组织，但是照射剂量偏高限制了其在普通人群筛查，... 详细信息

计算机断层成像技术(Computed Tomography，CT)在经历了三十多年的发展后，成为了仿射诊断和治疗领域内不可或缺的一部分。由于CT图像具有较高的密度分辨率，能够很好的显示密度较小的组织，但是照射剂量偏高限制了其在普通人群筛查，比如肺癌高危人群检查中的应用。临床上一种有效的降低辐射剂量的方法是采取降低CT扫描管电流的方式，但是低剂量CT图像中的噪声使得图像质量下降，不但影响了诊断的准确性，同时增加了对图像进行分析处理的难度。因此，如何在保证图像质量的前提下，尽量地降低CT辐射剂量，成为了近年来的研究热点。\n 结合近年来的研究，低剂量CT图像的去噪策略主要被分为两种：一是通过分析CT扫描得到的投影数据，建立该数据的噪声模型，对投影数据去噪后再利用算法对数据进行重建得到相应的CT图像；另一种是直接对重建后的CT图像进行去噪，这时就可以借鉴自然图像去噪领域中应用的一些算法。本文中使用的方法属于后一种去噪策略。\n 近年来，稀疏表示理论受到人们的广泛关注，并被成功应用于图像去噪、压缩等领域。基于稀疏表示和字典学习方法的理论依据是，具有一定光滑性的干净图像在适当的过完备字典下存在稀疏表示，通过选择或设计适当的字典，求出图像在该字典下的稀疏表示就可以达到去噪的目的。在图像去噪应用中，字典的选择包括选取固定的解析字典和利用采样图像数据，通过适当的模型和方法学习或训练自适应的字典。而后一种字典具有对数据的自适应性，能更好地刻画数据中的本质特征，在去噪应用中能得到更好的效果。本文主要就是围绕将字典学习的方法应用于对低剂量CT图像的去噪来展开，具体内容包括以下几个方面：\n 一、简要介绍了与本次试验相关的背景，包括两个方面：一是低剂量CT技术的基础知识和背景，并研究了该技术在临床中的具体应用和发展历史；二是稀疏表示和字典学习方法的理论基础，并介绍了与之相关的数学物理知识，同时还研究了几种常用的建立图像字典的算法；\n 二、深入研究了K-SVD算法的基础知识和算法流程，利用该算法通过对低剂量CT图像自身和正常剂量CT图像分别进行训练得到适用于低剂量CT图像去噪的图像字典，并将这一字典应用于体模以及真实病人低剂量CT图像的去噪中。实验中，体模数据的处理是为了探讨算法的有效性以及算法中应用的参数对于去噪效果的影响；通过对病人真实数据的去噪，验证了基于稀疏表示和字典学习的方法对在低剂量CT去噪领域中的作用。实验结果表明了该方法可以有效的降低低剂量CT图像中的噪声水平，同时有效的保留了大部分图像细节。但是同时也发现该算法会产生一些不良的伪影和图像的模糊，影响了最终的图像质量；\n 三、针对原始的K-SVD算法产生的一些问题，借鉴非局部图像处理技术中使用的一些方法，提出了利用高斯权重对原始的K-SVD算法的改进方案。在本实验中，我们采用聚类的方式对图像进行了预处理，并在计算结果图像时引入了高斯权重。改进后的算法被我们应用于对肿瘤病人CT数据进行去噪，与改进前的算法相比，这一算法可以在有效去除噪声的同时，尽量的保留了图像细节并没有带入新的伪影。该算法处理之后的肿瘤图像，可以非常容易的识别出与正常剂量CT图像中相一致的病变部位，这一发现进一步推动了低剂量CT技术在临床中的应用。\n 本文提出了将稀疏表示和字典学习方法应用于低剂量CT图像的去噪，并对现有算法存在的问题提出了改进。实验结果也表明了这种方法在去除噪声的同时有效得保留了图像细节，具有重要的实际应用价值。

关键词：字典学习方法低剂量CT技术图像去噪稀疏表示理论 K-SVD算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：