检索结果-内蒙古大学图书馆

作者：徐榕中北大学

学位级别：硕士

X射线计算机断层成像(Computed Tomography,CT)被广泛应用于临床诊断和疾病筛查等方面。然而,值得关注的还有在CT检查中使用的X射线辐射对人体的潜在影响,包括新陈代谢异常、诱发癌症等。因此,降低CT检查中的辐射剂量成为大家关心的问... 详细信息

X射线计算机断层成像(Computed Tomography,CT)被广泛应用于临床诊断和疾病筛查等方面。然而,值得关注的还有在CT检查中使用的X射线辐射对人体的潜在影响,包括新陈代谢异常、诱发癌症等。因此,降低CT检查中的辐射剂量成为大家关心的问题。稀疏角度投影技术通过减少投影角度来降低辐射剂量,但是稀疏角度投影采样到的投影数据是不完备的,在重建的图像中会出现较多的噪声和伪影。研究如何从不完备的投影数据中重建出高质量的CT图像成了热门的研究领域。随着计算机技术的不断进步,迭代重建技术得到了显著提升,已被广泛应用于临床。引导滤波作为一种能够保持边缘的平滑算子,在图像处理中有广泛的应用。本文对基于引导滤波的稀疏角CT图像迭代重建技术进行了深入的研究,主要工作内容如下: (1)针对以往的基于引导滤波的重建算法在面对复杂的临床图像时,会导致边缘模糊,丢失细小的结构的问题,提出了一种基于加权引导滤波和组稀疏表示的重建算法。该算法使用组稀疏表示模型来优化引导图像重建,对联合代数重建算法重建的结果进行加权引导滤波。实验结果表明,使用该算法得到的输出图像能够重建出更多的纹理细节,在去除噪声的同时更好地保留图像的边缘。 (2)针对基于引导滤波的重建方法中滤波参数需要人工设置的问题,提出了一个深度引导滤波层(DGF)。该深度引导滤波层将引导滤波组织为一个完全可微的层,使用卷积模块来代替引导滤波中求解线性系数的局部线性模型,实现了一个自适应的引导滤波模块。提出的DGF可以用于基于引导滤波的重建算法中,代替传统的引导滤波操作,解决传统的引导滤波需要人工设置滤波参数问题。结合基于全变分和引导滤波的算法,通过实验验证了所提出的深度引导滤波层的有效性。

关键词：稀疏角度CT 迭代重建组稀疏表示引导图像滤波深度引导滤波

来源：评论

学校读者我要写书评

暂无评论

改进的BOMP算法在人脸识别中的应用

引用

计算机工程与应用 2014年第6期50卷 175-178页

作者：殷爱菡姜辉明朱明华东交通大学信息工程学院南昌330013

采用组稀疏表示分类方法时,同类样本同时参与对测试样本的表示,忽略了类内样本间的相关性。提出了一种改进方法,该方法在块正交匹配追踪算法基础上,将样本间的相干系数作为参数,设置适当的阈值,对每次选取的样本进行判别,剔除与测试样... 详细信息

采用组稀疏表示分类方法时,同类样本同时参与对测试样本的表示,忽略了类内样本间的相关性。提出了一种改进方法,该方法在块正交匹配追踪算法基础上,将样本间的相干系数作为参数,设置适当的阈值,对每次选取的样本进行判别,剔除与测试样本相关性较差的样本,优化算法的重建性能。在Yale B和ORL的数据库上的实验表明,与原有方法相比,改进后的方法得到的识别率较高,实验结果证明了该方法的有效性。

关键词：人脸识别组稀疏表示块正交匹配追踪

来源：评论

学校读者我要写书评

暂无评论

基于稀疏表示的稀疏角CT重建算法研究

基于稀疏表示的稀疏角CT重建算法研究

引用

作者：谷亚男中北大学

学位级别：硕士

计算机断层成像扫描(Computed tomography,CT)作为一种先进的医学影像辅助诊断技术,具有很高的时间和空间分辨率,已被广泛应用在国内外医院的健康检查中。然而有相关研究表明,过量辐射会增加人体癌症及其它一些遗传性疾病的患病风险。... 详细信息

计算机断层成像扫描(Computed tomography,CT)作为一种先进的医学影像辅助诊断技术,具有很高的时间和空间分辨率,已被广泛应用在国内外医院的健康检查中。然而有相关研究表明,过量辐射会增加人体癌症及其它一些遗传性疾病的患病风险。稀疏角度采样被认为是一种降低辐射剂量的有效方式,其不仅能通过减少穿过人体的X射线数目来降低辐射的伤害,还能够延长设备的使用寿命。但采样角度的减少意味着投影数据不满足完备性要求,稀疏角度成像必然会引起重建图像质量的下降。因此,如何在稀疏角度采样下重建出质量较好的CT图像,对稀疏角度CT成像技术的更广泛应用具有重要的促进作用。本文针对稀疏角度采样下的CT重建图像质量下降问题,研究了两种基于稀疏表示的CT迭代重建算法,并取得了初步的进展和成果。本文所作的主要工作如下:(1)提出了一种基于组稀疏表示的稀疏角度CT重建方法。传统的字典学习方法是逐块处理图像的,忽略了图像本身的自相似性,可能会使包含相似图像块的稀疏表示完全不同。基于分组的稀疏表示不再以单个图像块作为稀疏表示的最小单位,而是以欧氏距离作为相似性度量,将相似的图像块分成一组,以组作为稀疏表示的基本单元。该方法充分考虑了图像的局部稀疏性和非局部自相似性。本文方法将基于组的稀疏表示作为正则项引入到惩罚最小二乘迭代重构框架中来构造目标函数。通过交替最小化求解目标函数中的多个变量,并获得最终的重建结果。多组实验结果的定性和定量评价结果都证明了本文算法的优势,其不仅可以的去除条形伪影,还能够有效的保护图像细节。(2)提出了一种基于深度卷积稀疏表示的稀疏角度CT重建算法。卷积稀疏表示由于具有平移不变性、良好的可解释性以及更好的细节和纹理表示等特点,被应用在多个图像处理领域。本文将卷积稀疏表示作为迭代重建的正则化约束,利用卷积神经网络(CNN)实现卷积稀疏编码和卷积字典学习。具体而言,该方法分为两个子问题,分别对应于两个求解过程:重构过程和深度卷积稀疏表示正则化约束过程。首先利用同步代数重建技术(SART)得到中间重建图像,然后利用深度卷积稀疏表示算法建立基于中间重建图像的卷积稀疏表示求解模型。其中,深度卷积稀疏表示将数值解与基于深度学习的训练相结合,交替学习卷积字典和卷积稀疏特征映射,并使用CNN对卷积稀疏表示模型中的广义先验进行参数化。通过交替SART和深度卷积稀疏表示得到最终的重建图像。实验结果表明,所提算法重建的图像具有良好的组织纹理和明显的伪影抑制效果,在定量和定性分析上均优于所对比的方法。

关键词：计算机断层成像稀疏角度CT 迭代重建组稀疏表示深度卷积稀疏表示

来源：评论

学校读者我要写书评

暂无评论

基于深度残差学习的图像去雾方法研究

基于深度残差学习的图像去雾方法研究

引用

作者：李桂会山东工商学院

学位级别：硕士

室外天气通常在烟、雾等气溶胶粒子的存在下能见度下降。这背后的原因是气溶胶粒子从物体表面散射反射的光线,从而导致光强的衰减。单幅图像去雾是计算机视觉中一个不适定的问题,其目的是从输入的有雾图像中恢复清晰图像。特别地,图像... 详细信息

室外天气通常在烟、雾等气溶胶粒子的存在下能见度下降。这背后的原因是气溶胶粒子从物体表面散射反射的光线,从而导致光强的衰减。单幅图像去雾是计算机视觉中一个不适定的问题,其目的是从输入的有雾图像中恢复清晰图像。特别地,图像去雾可以作为许多高级视觉任务的图像预处理过程,如目标检测、人脸识别、语义分割。因此,有雾图像进行去雾处理对开展其他课题研究有着重要的现实意义。近年来,基于大气物理模型的方法取得了重大的进展。本文从研究含雾图像退化机制入手,结合稀疏表示和深度学习相关技术,提出了一种改进的基于组稀疏表示的图像去雾方法和一种基于深度学习的图像去雾方法,并且分别通过定量和定性评估来分析本文方法的有效性。本文的主要研究内容包括以下几个方面:（1）单幅图像去雾方法忽视了自然图像和有雾图像之间存在一定的偏差,降低了重构时编码系数的准确性与去雾模型的泛化性能。针对此问题,本文提出了一种改进的基于组稀疏表示的图像去雾方法。本文首先将降级模型集成到基于组的稀疏表示框架中;然后引入目标图像与参考图像的稀疏系数残差作为约束项;最后,将单个图像除雾问题视为图像恢复问题,利用组自适应匹配算法和组字典学习算法对其进行优化。本文分别利用真实有雾图像和合成有雾图像进行测试,实验结果表明,综合颜色、细节、结构等信息的恢复情况,本文的方法获得了良好的效果。（2）由大气物理模型可知,雾度的影响与场景点的透射系数成反比。因此,准确估计传输图是重建无雾场景的关键步骤。以前的方法使用各种假设/先验来估计场景传输图。尽管很多方法取得了令人满意的结果,但是它们基于强烈的假设,并且需要与图像形成有关的多种参数,这些参数并不总是可用的。为此,本文提出了一种基于残差网络的图像去雾方法,避免了大气光的估计,提高了去雾效率。具体而言,首先将网络模型设计为两大阶段:第一阶段,输入有雾图像,利用网络估计出有雾图像的中间传输图;第二阶段,将有雾图像与第一阶段的输出的值相比,作为网络的输入,利用残差网络隐式去雾。最后在常用数据集上进行实验,采用无参考指标和全参考指标定量评估实验结果,实验结果证明了本文提出的方法具有很高的竞争性能。

关键词：图像去雾大气散射模型深度残差网络组稀疏表示残差约束

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复原

基于稀疏表示的图像复原

引用

作者：周彩月曲阜师范大学

学位级别：硕士

图像复原是指从受损的图像中恢复原始的高质量图像,已成为解决图像压缩、超分辨率、视频隐藏等图像处理问题的关键。但图像复原是一个不适定的反问题,没有明确定义的唯一解。为了解决这个问题,引入了稀疏先验。在过去的几十年中,稀疏表... 详细信息

图像复原是指从受损的图像中恢复原始的高质量图像,已成为解决图像压缩、超分辨率、视频隐藏等图像处理问题的关键。但图像复原是一个不适定的反问题,没有明确定义的唯一解。为了解决这个问题,引入了稀疏先验。在过去的几十年中,稀疏表示模型作为基于图像先验的正则化方法已经取得了重要进展。稀疏表示模型可以分为两类:基于块的稀疏表示(Patch sparse representation,PSR)模型和基于组的稀疏表示(Group sparse representation,GSR)模型。传统的PSR模型将图像块作为图像复原的基本单位,在图像处理的过程中通常会产生不期望的视觉伪影。传统的GSR模型利用非局部相似性(Nonlocal self-similarity,NSS)将相似的图像块分组,构建图像组作为稀疏表示的基本单位,但在图像处理过程中容易产生过度平滑的效果。本文针对稀疏表示模型展开研究,提出了二种准确有效的图像复原方法。论文的主要内容如下:(1)提出了一种用于图像恢复的混合稀疏表示模型。传统的PSR模型在图像处理的过程中通常会产生不期望的视觉伪影,传统的GSR模型容易产生过度平滑的效果。而且,传统的GSR模型仅通过训练退化图像来复原图像,这导致了训练后模型不可避免地产生数据的过度拟合,从而使图像复原结果不佳。针对以上问题,提出的混合稀疏表示模型从两个方面进行了改进。一方面,针对传统的PSR模型和GSR模型的复原效果不理想的问题,引入了一种联合稀疏表示模型,以更好地利用图像的局部稀疏性和NSS特性。该联合模型整合了PSR模型和GSR模型,同时保留了GSR模型和PSR模型的优点,并克服了它们的缺点,使稀疏表示模型统一。另一方面,针对传统GSR模型仅利用退化图像的NSS先验而忽略外部图像数据集的NSS先验问题,提出的混合模型在联合稀疏表示模型的基础上同时利用了退化图像和外部图像数据集的NSS先验,以充分利用退化图像的特定结构和自然图像的共同特性,使得模型在特征空间和平面上互补。将提出的混合稀疏表示模型应用于图像修复任务中并使用了峰值信噪比(Peak signal-to-noise ratio,PSNR)、结构相似性(Structural similarity,SSIM)和主观视觉对比作为评价指标进行评测。大量的实验结果表明,提出的混合稀疏表示模型在两个客观指标和主观视觉对比上都优于现有的图像恢复方法。(2)提出了一种基于非局部自相似和组稀疏残差约束的图像复原方法。传统的GSR模型仅利用退化图像中的图像组进行图像复原,忽略了外部图像数据集的NSS先验。此外,图像具有如噪声、下采样或者像素丢失等多种类型的退化形式,而传统的GSR模型无法准确地估计每种退化形式中图像组的稀疏性,从而导致原始图像的失真重建。针对以上问题,提出的方法在GSR模型的基础上做了两方面改进。一方面,针对传统GSR模型仅利用退化图像的NSS先验而忽略外部图像数据集的NSS先验问题,提出的图像复原方法同时利用了退化图像和外部数据集的NSS先验,以充分利用退化图像的特定结构和自然图像的共同特性,使得模型在特征空间和平面上互补。另一方面,针对传统的GSR模型无法准确地估计每种退化图像的稀疏性问题,提出的图像复原方法在传统GSR模型中引入组稀疏残差约束来提高图像组的稀疏准确性。将提出的图像复原方法应用于图像去块、图像修复、图像压缩感知、图像去噪和图像去模糊这五种不同恢复任务并使用了PSNR、结构相似性SSIM和主观视觉对比作为评价指标进行评测。实验结果表明,提出的图像复原方法在两种客观指标和主观视觉效果方面都优于现有的方法。

关键词：图像复原组稀疏表示块稀疏表示非局部自相似组稀疏残差约束

来源：评论

学校读者我要写书评

暂无评论

《计算机工程与设计》2019年第40卷总目次

引用

计算机工程与设计 2019年第12期40卷 I0001-I0015页

关键词：卷积神经网络组稀疏表示文本分类算法多特征融合特征选择方法图像分割算法人脸超分辨率核相关滤波目标检测算法吕学强人体动作识别网络入侵检测命名实体识别提取算法离群点检测残差网络快速匹配算法《计算机工程与设计》

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：