检索结果-内蒙古大学图书馆

红外与毫米波学报 2016年第5期35卷 634-640页

作者：吴雄洲李跃华南京理工大学电子工程与光电技术学院江苏南京210094

针对自适应稀疏表示去噪算法在对图像进行去噪时运行时间较长,得到结果过于平滑的问题,研究了基于相异性阈值的改进自适应稀疏表示去噪算法,在改进算法中,计算当前提取的图像块与前一个图像块之间的相异性度量,并与阈值进行比较,低于阈... 详细信息

针对自适应稀疏表示去噪算法在对图像进行去噪时运行时间较长,得到结果过于平滑的问题,研究了基于相异性阈值的改进自适应稀疏表示去噪算法,在改进算法中,计算当前提取的图像块与前一个图像块之间的相异性度量,并与阈值进行比较,低于阈值则认为两者具有相同的稀疏表示向量和表示误差,不需要对当前块再执行计算从而减少运行时间,高于阈值则认为当前块包含了边缘区域,记录其位置,在重构去噪图像时予以保护,以减少图像边缘信息的损失.对毫米波图像的去噪实验结果证实了改进算法的有效性.

关键词：相异性阈值改进自适应稀疏表示去噪运行时间边缘保护

来源：评论

学校读者我要写书评

暂无评论

融合自适应稀疏表示和相关系数的高光谱伪装分类方法

引用

光谱学与光谱分析 2021年第12期41卷 3851-3856页

作者：周冰李秉璇贺宣刘贺雄王法臻陆军工程大学石家庄校区河北石家庄050000

目前比较成熟的高光谱成像手段有卫星遥感和航空成像技术,这两种成像方式侦察时间大致相同,入射光方向基本一致,因而地物的光谱曲线比较固定;在陆基条件下,地物的光谱曲线受成像环境的影响凸显,因此应该对适用于陆基条件下的高光谱图像... 详细信息

目前比较成熟的高光谱成像手段有卫星遥感和航空成像技术,这两种成像方式侦察时间大致相同,入射光方向基本一致,因而地物的光谱曲线比较固定;在陆基条件下,地物的光谱曲线受成像环境的影响凸显,因此应该对适用于陆基条件下的高光谱图像分类方法进行研究。在陆基高光谱图像中,对每个地物进行类型以及种类的判别有利于后续对目标的识别和处理,不同于传统遥感图像分类,陆基条件下的高光谱图像目标分类训练样本不仅较难获得,并且在陆基条件下的高光谱图像中,训练样本之间的相关性随着目标类型、探测器参数以及成像环境等因素时刻发生变化。基于稀疏性表示的分类方法已经被广泛应用于处理图像问题以及各种机器视觉问题。对于陆基高光谱图像来说,基于固定范数约束的稀疏编码策略无法适应陆基条件下高光谱成像多变的环境,而自适应稀疏表示可以根据样本相关性自适应的调节范数约束,相关系数可以提高图像中的破坏因素(阴影、噪声点等)的识别精度。通过引入正则化参数,融合了自适应稀疏表示和相关系数,提出了一种新的高光谱图像分类方法。为了验证所提方法的有效性,分别在绿色植被背景和荒漠背景中设置伪装物,通过不同的分类方法对图像进行分类,实验结果表明,不管是分类精度还是分类一致性,该方法都有明显的优势,可以应用于陆基条件下的高光谱图像分类,为目标分类提供了理论基础。

关键词：分类陆基高光谱图像伪装自适应稀疏表示相关系数

来源：评论

学校读者我要写书评

暂无评论

基于自适应稀疏表示的被动毫米波图像恢复

引用

电波科学学报 2011年第3期26卷 533-538页

作者：成萍赵家群张春杰司锡才哈尔滨工程大学信息与通信工程学院黑龙江哈尔滨150001 哈尔滨工程大学理学院黑龙江哈尔滨150001

为了克服傅立叶域和小波域正则化方法不能同时保持目标特征和有效滤除噪声的缺点,提出一种被动毫米波图像恢复的新方法。它利用稀疏表示表达信号灵活的特点,对逆滤波后的毫米波图像采用基于奇异值分解的K聚类(K-SVD)算法进行学习,自适... 详细信息

为了克服傅立叶域和小波域正则化方法不能同时保持目标特征和有效滤除噪声的缺点,提出一种被动毫米波图像恢复的新方法。它利用稀疏表示表达信号灵活的特点,对逆滤波后的毫米波图像采用基于奇异值分解的K聚类(K-SVD)算法进行学习,自适应地得到图像恢复需要的基函数。与傅立叶域和小波域正则化方法相比,论文方法采用了自适应的处理方法,因此能够更好地保持目标特征,更有效地抑制噪声,进而更好地恢复图像。将论文方法用于被动毫米波仿真图像的恢复,得到了很好的结果。因此,它是一种有效的被动毫米波成像方法。

关键词：自适应稀疏表示被动毫米波图像恢复 K—SVD 去噪

来源：评论

学校读者我要写书评

暂无评论

基于自适应稀疏表示的高光谱遥感图像分类

引用

系统工程与电子技术 2013年第9期35卷 1994-1998页

作者：何同弟李见为重庆大学光电技术及系统教育部重点实验室重庆400044 河西学院物理与机电工程学院甘肃张掖734000

针对多数传统分类算法应用于高光谱分类都存在运算速度慢、精度比较低和难以收敛等问题,从稀疏表示基本理论出发建立了一个基于自适应稀疏表示的高光谱分类模型。利用训练样本构建字典,聚类每一步迭代所产生的余项,将聚类中心作为新的... 详细信息

针对多数传统分类算法应用于高光谱分类都存在运算速度慢、精度比较低和难以收敛等问题,从稀疏表示基本理论出发建立了一个基于自适应稀疏表示的高光谱分类模型。利用训练样本构建字典,聚类每一步迭代所产生的余项,将聚类中心作为新的字典原子,然后将测试样本看成冗余字典中训练样本的线性组合,令字典能够更适应于样本的稀疏表示。利用华盛顿地区的HYDICE高光谱遥感数据进行试验,并且与主成分分析、线性鉴别分析、支持向量机、神经网络算法进行比较,结果表明,该算法的总体分类精度比其他算法提高了约12%,有效提高了高光谱影像的分类精度。

关键词：图像处理高光谱遥感自适应稀疏表示分类

来源：评论

学校读者我要写书评

暂无评论

基于自适应稀疏表示的宽带噪声去除算法

引用

仪器仪表学报 2011年第8期32卷 1818-1823页

作者：王国栋阳建宏黎敏徐金梧北京科技大学机械工程学院北京100083

为了有效地去除信号中的宽带噪声,提出了一种基于自适应稀疏表示的宽带噪声去除算法。根据噪声成分与信号特征成分之间的不相关或弱相关特点,自适应地确定稀疏分解的终止条件,实现信号的稀疏表示。降噪过程中使用染噪信号构造学习样本,... 详细信息

为了有效地去除信号中的宽带噪声,提出了一种基于自适应稀疏表示的宽带噪声去除算法。根据噪声成分与信号特征成分之间的不相关或弱相关特点,自适应地确定稀疏分解的终止条件,实现信号的稀疏表示。降噪过程中使用染噪信号构造学习样本,由信号的自适应稀疏表示和原子库的更新迭代实现原子库的训练。染噪信号在训练后的原子库上进行自适应稀疏表示,实现信号的噪声去除。仿真信号和齿轮振动信号的降噪试验表明:该方法具有比小波阈值降噪、匹配追踪降噪方法更好的降噪性能,能够有效地去除信号中的宽带噪声。

关键词：噪声去除自适应稀疏表示原子库训练正交匹配追踪

来源：评论

学校读者我要写书评

暂无评论

基于NSST和自适应稀疏表示的紫外光与可见光图像融合

引用

半导体光电 2019年第3期40卷 401-406,411页

作者：侯思祖陈宇华北电力大学电气与电子工程学院

针对紫外成像仪中紫外光图像与可见光图像的灰度值特点及传统的图像融合方法在图像融合时存在紫外光斑信息丢失的问题,提出一种基于非下采样剪切波变换(NSST)和自适应稀疏表示的紫外光与可见光图像融合方法。首先用NSST变换分解源图像,... 详细信息

针对紫外成像仪中紫外光图像与可见光图像的灰度值特点及传统的图像融合方法在图像融合时存在紫外光斑信息丢失的问题,提出一种基于非下采样剪切波变换(NSST)和自适应稀疏表示的紫外光与可见光图像融合方法。首先用NSST变换分解源图像,得到低频子带系数和高频子带系数;然后采用邻域标准偏差取大的融合规则融合低频子带系数,生成近似融合图像;根据自适应稀疏思想指导高频子带系数的融合;最后通过逆NSST变换重构得到融合图像。实验结果表明,该方法在保留可见光背景信息的基础上,很好地融合了紫外光斑信息,改善了图像的主观视觉质量,在客观评价指标上也有所提高。

关键词： NSST变换自适应稀疏表示紫外光与可见光图像融合邻域标准偏差取大

来源：评论

学校读者我要写书评

暂无评论

基于自适应稀疏表示的压缩感知MRI算法研究

基于自适应稀疏表示的压缩感知MRI算法研究

引用

作者：樊晓宇燕山大学

学位级别：博士

随着医学图像处理技术讯速发展,核磁共振（Magnetic Resonance,MR）图像重构技术已被广泛应用于医学疾病诊断。医疗实际应用中,若要重构高质量MR图像,传统方法需要采样大量数据,导致数据采集时间较长,重构图像易受运动伪影和噪声影响。... 详细信息

随着医学图像处理技术讯速发展,核磁共振（Magnetic Resonance,MR）图像重构技术已被广泛应用于医学疾病诊断。医疗实际应用中,若要重构高质量MR图像,传统方法需要采样大量数据,导致数据采集时间较长,重构图像易受运动伪影和噪声影响。同时,采样大量数据需要数据采集设备和存储设备满足很高要求。如何在采样数据尽量少、采样时间尽量短的前提下,实现快速地高质量重构MR图像是亟待解决的一个关键问题。压缩感知（Compressed Sensing,CS）理论的提出突破了传统方法的限制,可实现由少量采样数据精确重构图像。目前,CS理论已被广泛应用于MR图像重构,提出了大量压缩感知核磁共振成像（CS MR Imaging,CSMRI）算法。然而,现有的一些CSMRI算法存在着调节参数较多、图像的稀疏性先验利用不充分等缺陷,在低采样率下MR图像重构质量仍有进一步提升空间。自适应稀疏表示模型能够自适应获取图像更多的稀疏性先验,捕获图像更丰富的结构信息。因此,该文结合CS理论,利用自适应稀疏表示模型重点研究有效的CSMRI算法,从高度欠采样的含噪测量数据中重构高质量MR图像。具体研究内容及创新性成果如下:首先,为进一步提高现有CSMRI算法在低采样率下MR图像重构质量,构建了基于综合稀疏模型与稀疏变换模型的双稀疏模型,将该双稀疏模型用于综合字典与变换字典学习,并提出了一种基于自适应双字典学习的CSMRI算法。该算法是将双字典学习应用于CSMRI问题,有效地利用了MR图像在综合字典和变换字典下固有的多种稀疏性先验,从欠采样的K-空间含噪测量数据中精确重构MR图像。实验证实了该算法的有效性。其次,为加快算法的图像重构速度和提高算法的图像重构质量,构建了MR图像梯度域中水平和垂直梯度方向的双紧标架学习模型,将该双紧标架学习模型应用于CSMRI,提出了基于梯度域自适应双紧标架的压缩感知MR图像重构算法。该算法是依据MR图像在水平和垂直梯度方向的稀疏性,利用l0范数形式的梯度域自适应双紧标架分别对图像的两个梯度方向进行稀疏表示,从而获得图像梯度域更多的稀疏性先验,实现进一步提高MR图像重构质量。自适应紧标架具有计算复杂度低的优势,因此提出的算法加快了图像重构速度。实验结果验证了该算法的有效性。再次,为获得MR图像不同成分的稀疏性先验以及进一步提高MR图像重构质量,将组稀疏与紧标架学习相结合,构建了组稀疏性紧标架学习模型。该模型是由自适应紧标架与反正切形式的惩罚函数实现。将该模型和全变差（Total Variation,TV）融入图像卡通-纹理分解模型,提出了一种融合组稀疏性紧标架学习和TV的图像卡通-纹理分解模型CSMRI算法。该算法利用TV对MR图像卡通成分进行全局稀疏表示,利用组稀疏性紧标架模型对MR图像纹理成分进行自适应组稀疏表示,能够获得图像梯度域的稀疏性先验和紧标架域的组稀疏性先验,从而高质量重构MR图像。实验验证了该算法对MR图像重构的有效性。然后,为进一步改善MR图像重构效果,减少算法的调节参数,降低算法的计算复杂度,定义了基于加权BM3D和FFDNet模型的去噪算子,并将该去噪算子插入RED（Regularization by Denoising）框架,构建了BF-RED约束。提出了基于BF-RED约束和Epigraph方法的CSMRI算法,用以MR图像高质量重构。提出的算法利用了BM3D去噪算法能够获得MR图像的非局部相似性与稀疏性,同时利用了FFDNet去噪网络能够获得MR图像深度先验的特性,这将有助于MR图像重构质量的提高。为了降低算法的计算复杂度以及避免调节多个参数,采用Epigraph方法对提出算法的优化问题进行有效求解。实验证实了提出算法的有效性和优越性。最后,针对K-空间采样数据含有相位误差和幅值噪声的情况,为进一步提高MR图像重构质量,提出了利用对数形式的自适应紧标架和TV构建一种相位误差校正和幅值噪声去除的CSMRI算法。该算法利用了对数形式自适应紧标架和TV获得MR图像的多种稀疏性先验,用以提高MR图像的重构质量,去除图像的运动伪影和幅值噪声。实验验证了该算法的可行性和有效性。

关键词： MR图像重构压缩感知自适应稀疏表示自适应字典自适应紧标架图像卡通-纹理分解模型组稀疏性全变差

来源：评论

学校读者我要写书评

暂无评论

基于差分域图像自适应稀疏表示的压缩感知MRI重建方法

基于差分域图像自适应稀疏表示的压缩感知MRI重建方法

引用

作者：陈金楚厦门大学

学位级别：硕士

磁共振成像(MRI)技术能够无损伤的获取活体器官和组织的详细图像特征，避免了不必要的手术痛苦以及探查性手术所带来的副损失，在临床医学及科研中得到广泛应用。然而，成像速度慢一直是制约MRI进一步广泛应用的关键因素，而近年来兴起... 详细信息

磁共振成像(MRI)技术能够无损伤的获取活体器官和组织的详细图像特征，避免了不必要的手术痛苦以及探查性手术所带来的副损失，在临床医学及科研中得到广泛应用。然而，成像速度慢一直是制约MRI进一步广泛应用的关键因素，而近年来兴起的压缩感知理论(CS)为通过减少数据采集量，以加速MRI成像速度提供了理论保障。基于CS理论由部分K空间观测数据有效重建MRI图像的方法(CSMRI)，由于仅需要通过软件算法的方式即可在基本不损失成像质量的前提下有效加快MRI的成像速度，因而近年来成为学术界的一个研究热点。　　当前各类CSMRI方法，一般均是利用图像在特定变换域中的稀疏性，由部分K空间数据直接重建MRI图像。而CS相关理论指出，CSMRI的重建性能与图像的稀疏度相关，图像越稀疏则相同观测数据的情况下重建性能越好。差分图像是图像的高频子空间信号，相比原始图像更稀疏，因而应能被更优的重建。而差分图像本身又包含着图像中对视觉质量极其关键的边缘等结构信息，若能有效重建差分图像，并以其为约束再重建MRI图像则可效提高CSMRI的重建质量。为此，本文通过将差分图像分析与CSMRI重建方法有机结合，提出基于差分域图像自适应稀疏表示的压缩感知MRI重建方法。论文的主要研究成果与创新如下:　　1.提出一种基于图像块方向小波的差分域CS-MRI重建方法(Grad-PBDW)　　差分图像相比原始图像具有更稀疏的特性，其主要内容是图像的边缘等结构信息，有效利用边缘方向则可以提高重建性能。为此，论文首先由观测到的部分K空间数据获得差分图像对应的部分K空间数据，并利用基于图像块的方向小波CSMRI重建方法(PBDW)重建MRI差分图像，最后以重建所得的差分图像为约束重建最终的MRI图像。同时，为了尽可能保持图像细节信息的同时消除混叠伪影，论文将全变分(TV)稀疏约束与方向小波稀疏约束相结合。仿真与实际实验表明，论文所提的方法相比经典的CSMRI方法重建性能有较大幅度提高，相比基于PBDW直接重建MRI图像的方法性能也有很大的改善。　　2.提出一种基于非参数贝叶斯自适应字典学习的差分域CS-MRI重建方法(Grad-BDL)　　通过交替优化的方法一般可以将CSMRI重建问题转化为迭代去噪问题，然而每次迭代的噪声方差未知。另外，在利用图像块自适应字典稀疏先验时，每个图像块的稀疏度以及合适的字典规模等参数都是未知的。为此，本文将非参数贝叶斯自适应字典方法引入，以解决针对差分图像重建时上述模型参数需要设定的问题。在重建差分图像后，采用与Grad-PBDW类似的方式可重建获得最终的MRI图像。数值仿真与实际实验表明所提Grad-BDL方法相比经典的CSMRI方法重建性能有较大幅度提高，相比基于BDL直接重建MRI图像的方法性能也有一定的改善。　　3.提出一种基于高低频协同滤波的CS-MRI重建方法(CoF)　　差分图像表示的是原始图像的边缘等结构信息，重建精确的差分图像有助于保持图像的边缘细节信息。而K空间数据的低频部分则占据了图像的大部分能量，相比原始图像也更稀疏，高精度重建的低频图像也可以用于对重建图像在低频子空间进行约束。为此论文一方面将差分算子由水平、垂直两个方向进一步拓展到45°及135°对角方向;另一方面引入低频子空间约束，并利用最小二乘方法将重建的高低频图像与观测到的部分K空间数据有机融合，以重建最终的MRI图像。仿真与实际数据实验表明，上述策略对于PBDW和BDL均适用，均能有效提高相关CSMRI重建方法的性能。

关键词：磁共振成像压缩感知差分域图像自适应稀疏表示

来源：评论

学校读者我要写书评

暂无评论

基于自适应稀疏表示的医学图像重构算法研究

基于自适应稀疏表示的医学图像重构算法研究

引用

作者：孙明明燕山大学

学位级别：硕士

目前随着图像处理技术的飞速发展,医学图像重建技术也日益成熟,被广泛应用于临床诊断,成为进行医疗诊断的重要依据。但是医学图像在数据采集过程中会对患者产生一定的辐射,如何在减少采样数据的前提下实现快速而准确的图像重构是需要解... 详细信息

目前随着图像处理技术的飞速发展,医学图像重建技术也日益成熟,被广泛应用于临床诊断,成为进行医疗诊断的重要依据。但是医学图像在数据采集过程中会对患者产生一定的辐射,如何在减少采样数据的前提下实现快速而准确的图像重构是需要解决的重要问题,本文主要围绕自适应医学图像重构算法展开研究,具体研究内容如下:首先,针对双数复数小波可以有效地表示图像的边缘结构信息,提出了基于双树复数小波的自适应医学图像重构算法。提出算法同时考虑了图像的全局稀疏特性和局部稀疏特性,通过与传统自适应压缩感知医学图像重建算法进行比较,实现了较好的图像重构效果。其次,考虑单一稀疏先验一般只能对特定类型的图像实现较好的稀疏表示,提出了基于两种稀疏约束的自适应医学图像重构算法。提出算法将双树复数小波和海森矩阵范数结合作为全局先验,同时利用在线字典训练方式进行自适应字典学习。实验结果表明,该算法能够缩短重建时间,有效地改善图像重建质量。最后,针对图像包含不同图像成分的特点,提出了基于图像分解的自适应紧标架医学图像重构算法。该算法利用图像分解理论对图像进行分层重建,分别将双数复数小波和全变差同自适应稀疏表示相结合,对不同图像成分进行独立优化,通过求和各部分最优解得到最终重构结果。实验结果表明,提出算法具有较强的可行性,对观测噪声是鲁棒的。

关键词：图像重构自适应稀疏表示图像分解双树复数小波海森矩阵范数全变差

来源：评论

学校读者我要写书评

暂无评论

基于改进的自适应稀疏表示多模态医学图像融合

基于改进的自适应稀疏表示多模态医学图像融合

引用

作者：崔子婧兰州大学

学位级别：硕士

近年来,自适应稀疏表示算法是多模态医学图像融合研究的热点。自适应稀疏表示算法是通过自适应选择字典进行稀疏表示的算法。该算法通过采样图像块,根据图像块的梯度方向构建多个字典,随后使用这些字典对图像进行稀疏表示,从而实现图像... 详细信息

近年来,自适应稀疏表示算法是多模态医学图像融合研究的热点。自适应稀疏表示算法是通过自适应选择字典进行稀疏表示的算法。该算法通过采样图像块,根据图像块的梯度方向构建多个字典,随后使用这些字典对图像进行稀疏表示,从而实现图像融合。该算法在图像融合的过程同时可以去除融合过程中产生的噪声,然而它在保持边缘信息上有一定缺陷,导致边缘部分细节丢失。因此本文主要对自适应稀疏表示算法进行改进并做了以下工作:（1）本研究介绍多模态医学图像融合的发展历史和实用价值,并根据不同融合等级、融合方法对图像融合进行介绍。其次本研究掌握了该领域近十年来国内外研究现状,分类介绍融合算法,为接下来的研究奠定了基础。（2）图像融合算法的研究必不可少的过程是评价算法的融合质量。本文从主观评价和客观评价两个角度给出了评价方法。在主观评价中主要有细节放大法和差分法;在客观评价指标中,根据其评价过程中有无标准参考图像,对其进行了分类汇总:无参考客观评价指标和全参考客观评价指标。并且详细地介绍了各种指标的计算过程。随后对不同指标进行了性能评价,得到适用于不同类型图像融合的相对有效指标。（3）对于多模态医学图像来说,多尺度图像融合算法效果较好。本文概括了多尺度融合算法的流程图,其中有两个关键步骤:一是多尺度变换,二是融合规则的选择。本文介绍了多种多尺度变换法和不同的融合规则,并给出了计算过程。随后将几种多尺度算法与稀疏表示结合进行仿真与评估,为改进自适应稀疏表示算法提供思路。（4）提出了一种基于引导滤波器与自适应稀疏表示的多模态图像融合算法。该算法首先将输入图像通过滤波器分解为细节层和基础层;其次采用自适应稀疏表示对细节层图像进行融合;根据显著性特征和引导滤波器求得基础层图像的权值图,而后根据基础层图像的权值图对其进行加权平均融合的计算;最后将得到的细节层图像和基础层图像相加得到最终的融合结果。（5）第二种算法是基于拉普拉斯金字塔与自适应稀疏表示的多模态医学图像融合算法。该算法首先利用拉普拉斯金字塔将输入图像分解为四层金字塔;其次对每一层金字塔图像都进行自适应稀疏表示融合;最后通过拉普拉斯金字塔逆变换得到最终的结果。通过使用三组CT和MRI图像进行对比实验,验证了两种算法的有效性并全面的分析其优劣性,最终得出结论:第二种算法优于第一种算法。

关键词：多模态图像医学图像融合多尺度变换自适应稀疏表示拉普拉斯金字塔引导滤波评价指标

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：