检索结果-内蒙古大学图书馆

自动化学报 2008年第11期34卷 1379-1387页

作者：孙玉宝肖亮韦志辉邵文泽南京理工大学计算机科学与技术学院模式识别与智能系统实验室南京210094 南京理工大学理学院应用数学系南京210094

如何设计合适的能够匹配各层面几何结构的图像稀疏表示过完备字典,进而形成对图像的稀疏分解是当前研究者关注的热点问题.根据图像的几何结构特性,从人类视觉系统特性出发,建立了匹配各层面图像结构的Gabor感知多成份字典,进而提出一种... 详细信息

如何设计合适的能够匹配各层面几何结构的图像稀疏表示过完备字典,进而形成对图像的稀疏分解是当前研究者关注的热点问题.根据图像的几何结构特性,从人类视觉系统特性出发,建立了匹配各层面图像结构的Gabor感知多成份字典,进而提出一种高效的基于匹配追踪的图像稀疏分解算法.实验结果表明:Gabor感知多成份字典具有对图像中平滑、边缘与纹理结构的自适应性,与Anisotropic refinement-Gaussian(AR-Gauss)混合字典相比以较少的原子实现了对图像更为高效的稀疏分解.

关键词：稀疏表示视觉感知几何结构 Gabor感知多成份字典匹配追踪

来源：评论

学校读者我要写书评

暂无评论

空间移不变系统图像超分辨复原的快速解耦算法

引用

自动化学报 2010年第2期36卷 229-236页

作者：黄丽丽肖亮韦志辉张军南京理工大学计算机科学与技术学院模式识别与智能系统实验室南京210094 广西工学院信息与计算科学系柳州545006 南京理工大学理学院南京210094

超分辨率图像复原是当今一个重要的热门研究课题.本文提出了一种基于全变差模型的超分辨率复原快速解耦算法.利用半二次正则化思想,提出了一个新的解耦TV(Total variation)模型.利用交替最小化方法和线性空间不变模糊的性质将上采样融... 详细信息

超分辨率图像复原是当今一个重要的热门研究课题.本文提出了一种基于全变差模型的超分辨率复原快速解耦算法.利用半二次正则化思想,提出了一个新的解耦TV(Total variation)模型.利用交替最小化方法和线性空间不变模糊的性质将上采样融合、去模糊和去噪分步进行.算法中对上采样融合采用非迭代的直接计算方法;去模糊过程采用基于变换的预处理共轭梯度迭代算法,而去噪过程采用了子空间投影方法.本文算法降低了算法复杂度;超分辨率重建图像在去除噪声的同时,不仅能够保证图像平坦区域的保真度,较好地抑制阶梯效应的产生,而且能够保持图像中边缘等重要几何结构的清晰度.

关键词：超分辨全变差融合去模糊去噪

来源：评论

学校读者我要写书评

暂无评论

稀疏性正则化的图像泊松去噪算法

引用

电子学报 2011年第2期39卷 285-290页

作者：孙玉宝韦志辉吴敏肖亮费选南京理工大学计算机科学与技术学院模式识别与智能系统实验室江苏南京210094 总参谋部第六十研究所江苏南京210016

去除医学、天文图像中的泊松噪声是一个重要问题,基于图像在过完备字典下的稀疏表示,在Bayesian-MAP框架下建立了稀疏性正则化的图像泊松去噪凸变分模型,采用负log的泊松似然函数作为模型的数据保真项,模型中非光滑的正则项约束图像表... 详细信息

去除医学、天文图像中的泊松噪声是一个重要问题,基于图像在过完备字典下的稀疏表示,在Bayesian-MAP框架下建立了稀疏性正则化的图像泊松去噪凸变分模型,采用负log的泊松似然函数作为模型的数据保真项,模型中非光滑的正则项约束图像表示系数的稀疏性,并附加非负性约束,保证去噪图像的非负性.基于分裂Bregman方法,提出了数值求解该模型的多步迭代快速算法,通过引入辅助变量与Bregman距离可将原问题转化为两个简单子问题的迭代求解,降低了计算复杂性.实验结果验证了本文模型与数值算法的有效性.

关键词：图像去噪稀疏表示泊松噪声分裂Bregman算法邻近算子

来源：评论

学校读者我要写书评

暂无评论

基于稀疏表示的脑电棘波检测算法研究

引用

电子学报 2009年第9期37卷 1971-1976页

作者：孙玉宝吴敏韦志辉肖亮冯灿南京理工大学计算机科学与技术学院模式识别与智能系统实验室江苏南京210094 南京理工大学理学院应用数学系江苏南京210094 南京军区南京总医院江苏南京210002

提出了一种基于稀疏表示的脑电棘波检测算法,首先以高斯函数及其一、二阶导数为原子的生成函数构建了一个冗余多成份字典,再应用匹配追踪算法获取脑电信号在此字典下的M项稀疏逼近,由该逼近的导数信息与原子的结构参数可准确度量瞬时波... 详细信息

提出了一种基于稀疏表示的脑电棘波检测算法,首先以高斯函数及其一、二阶导数为原子的生成函数构建了一个冗余多成份字典,再应用匹配追踪算法获取脑电信号在此字典下的M项稀疏逼近,由该逼近的导数信息与原子的结构参数可准确度量瞬时波形的形态结构特征,进而提出基于形态结构匹配的棘波检测算法,克服了Gabor字典不能识别周期化棘波序列的缺点,同时能够有效去除背景节律与伪迹的影响,检测结果表明该算法针对临床EEG信号的检测率高达93.9%,正确率高达88.0%.

关键词：棘波检测稀疏表示多成份字典匹配追踪形态结构

来源：评论

学校读者我要写书评

暂无评论

基于稀疏表示的两阶段脑电癫痫波检测算法研究

引用

中国生物医学工程学报 2009年第4期28卷 535-543页

作者：吴敏孙玉宝韦志辉肖亮汤黎明南京军区南京总医院医学工程科南京210002 南京理工大学计算机科学与技术学院模式识别与智能系统实验室南京210094 南京理工大学理学院应用数学系南京210094

脑电癫痫特征波的自动检测具有重要的临床应用价值,本研究提出一种基于自适应预测滤波与稀疏表示的两阶段癫痫特征波检测算法。第一阶段,使用自适应预测滤波器粗检出有嫌疑的癫痫波时段,在保证检测正确率的同时,减少数据量,提高后续处... 详细信息

脑电癫痫特征波的自动检测具有重要的临床应用价值,本研究提出一种基于自适应预测滤波与稀疏表示的两阶段癫痫特征波检测算法。第一阶段,使用自适应预测滤波器粗检出有嫌疑的癫痫波时段,在保证检测正确率的同时,减少数据量,提高后续处理效率;第二阶段,先以高斯函数及其一、二阶导数为原子的生成函数构建一个冗余多成分字典,再应用匹配追踪算法仅获取可疑波段在此字典下的稀疏表示(自适应参数化表示),原子的结构参数能够准确度量瞬时波形的多种形态结构特征如宽度、幅度、锐度等,进而提出基于形态结构匹配的检测算法,对预检输出的可疑时段进行鉴别分类。检测结果表明该算法针对临床癫痫EEG的检测率为93.3%,正确率为88.5%,相应的漏检率为6.7%,误检率为11.5%。

关键词：棘波检测稀疏表示自适应预测滤波多成分字典匹配追踪

来源：评论

学校读者我要写书评

暂无评论

基于前向后向算子分裂的稀疏性正则化图像超分辨率算法

引用

自动化学报 2010年第9期36卷 1232-1238页

作者：孙玉宝费选韦志辉肖亮南京理工大学计算机科学与技术学院模式识别与智能系统南京210094 中国人民解放军总参谋部第六十研究所三维仿真实验室南京210016

提出了一种新的基于稀疏表示正则化的多帧图像超分辨凸变分模型,模型中的正则项刻画了理想图像在框架系统下的稀疏性先验,保真项度量其在退化模型下与观测信号的一致性,同时分析了最优解条件.进一步,基于前向后向算子分裂法提出了求解... 详细信息

提出了一种新的基于稀疏表示正则化的多帧图像超分辨凸变分模型,模型中的正则项刻画了理想图像在框架系统下的稀疏性先验,保真项度量其在退化模型下与观测信号的一致性,同时分析了最优解条件.进一步,基于前向后向算子分裂法提出了求解该模型的不动点迭代数值算法,每一次迭代分解为仅对保真项的前向(显式)步与仅对正则项的后向(隐式)步,从而大幅度降低了计算复杂性;分析了算法的收敛性,并采取序贯策略提高收敛速度.针对可见光与红外图像序列进行了数值仿真,实验结果验证了本文模型与数值算法的有效性.

关键词：超分辨率稀疏表示前向后向分裂算法邻近算子阈值收缩

来源：评论

学校读者我要写书评

暂无评论

多形态稀疏性正则化的图像超分辨率算法

引用

电子学报 2010年第12期38卷 2898-2903页

作者：孙玉宝韦志辉肖亮张峥嵘吕战强南京理工大学计算机科学与技术学院模式识别与智能系统实验室江苏南京210094 中国人民解放军总参谋部第六十研究所训练科研处江苏南京210016

如何设计更加高效并能保持图像几何和纹理结构的多幅图像超分辨模型和算法是目前该领域有待解决的难点问题.针对图像的几何、纹理结构形态,分别建立符合类内强稀疏而类间强不相干的几何结构和纹理分量稀疏表示子成份字典,形成图像的多... 详细信息

如何设计更加高效并能保持图像几何和纹理结构的多幅图像超分辨模型和算法是目前该领域有待解决的难点问题.针对图像的几何、纹理结构形态,分别建立符合类内强稀疏而类间强不相干的几何结构和纹理分量稀疏表示子成份字典,形成图像的多形态稀疏表示模型,进而提出一种新的基于多形态稀疏性正则化的多帧图像超分辨凸变分模型,模型中的正则项刻画了理想图像在多成份字典下的稀疏性先验约束,保真项度量其在退化模型下与观测信号的一致性,采用交替迭代法对该多变量优化问题进行数值求解,每一子问题采用前向后向的算法分裂法进行快速求解.针对可见光与红外图像序列进行了数值仿真,实验结果验证了本文模型与数值算法的有效性.

关键词：超分辨率稀疏表示多成份字典多结构形态前向后向算子分裂

来源：评论

学校读者我要写书评

暂无评论

基于Contourlet的图像感知质量评价

引用

电子学报 2011年第3期39卷 649-655页

作者：孙玉宝费选韦志辉肖亮胡晰远吕战强南京理工大学计算机科学与技术学院模式识别与智能系统实验室江苏南京210094 中国人民解放军总参谋部第六十研究所训练科研处江苏南京210016

图像感知质量评价是图像信息工程的基础技术之一.结合人类视觉系统(HVS)的感知特性,在Con-tourlet变换域建立了一个新的可计算JND门限模型,该模型综合考虑了HVS的空间频率敏感性、方向敏感性、对比度掩盖与邻域掩盖特性.由于邻域掩盖模... 详细信息

图像感知质量评价是图像信息工程的基础技术之一.结合人类视觉系统(HVS)的感知特性,在Con-tourlet变换域建立了一个新的可计算JND门限模型,该模型综合考虑了HVS的空间频率敏感性、方向敏感性、对比度掩盖与邻域掩盖特性.由于邻域掩盖模型的引入,能够有效鉴别图像中平滑、边缘与纹理结构区域对失真的不同掩盖强度,实现更加精确的掩盖阈值计算.借助于建立的JND模型,定义每个系数的感知误差,进而建立了感知质量评价标准HVSNR.实验结果表明该定量评价标准能够有效匹配人类的视觉感觉.

关键词：质量评价 contourlet HVS JND 邻域掩盖

来源：评论

学校读者我要写书评

暂无评论

基于稀疏逼近的EEG信号的压缩感知重建研究

引用

中国医疗器械杂志 2010年第4期34卷 241-245页

作者：吴敏韦志辉汤黎明孙玉宝肖亮南京军区南京总医院医学工程科江苏南京210002 南京理工大学计算机科学与技术学院模式识别与智能系统实验室江苏南京210094 南京理工大学理学院应用数学系江苏南京210094

目的对一维的多通道非平稳信号EEG随机非自适应地欠采样,高质量地重建原信号,从而实现EEG信号的自动检测与分析。方法实验中以高斯函数及其一、二阶导数为原子的生成函数,构建了一个新的冗余多成份字典.随机高斯测量阵为测量矩阵,按压... 详细信息

目的对一维的多通道非平稳信号EEG随机非自适应地欠采样,高质量地重建原信号,从而实现EEG信号的自动检测与分析。方法实验中以高斯函数及其一、二阶导数为原子的生成函数,构建了一个新的冗余多成份字典.随机高斯测量阵为测量矩阵,按压缩感知测量模型重建信号,并采用了稀疏逼近误差NMSE作为逼近程度的定量度量标准,判定实验结果。结果所选字典中原子可更加有效地匹配EEG信号中的多种瞬时特征波形,从而能够对EEG信号形成更为稀疏的匹配追踪分解。基于压缩感知理论的信号采样只需使用不到原信号一半的样本数,即可高质量地重建原信号,对于重要的瞬时特征波形能够很好地保持。结论基于压缩感知理论的信号采样包含了原信号的足够信息,利用EEG信号的稀疏性(或可压缩性)先验条件,通过一定的线性或非线性的解码模型可以以很高的概率重建原始图像或高维信号。

关键词：压缩感知棘波检测多成份字典稀疏逼近误差稀疏表示匹配追踪

来源：评论

学校读者我要写书评

暂无评论

面向特征抽取的EEG信号结构自适应稀疏分解模型建立

引用

中国数字医学 2010年第6期5卷 32-36页

作者：吴敏韦志辉汤黎明孙玉宝肖亮南京军区南京总医院医学工程科南京市中山东路305号210002 南京理工大学计算机科学与技术学院模式识别与智能系统实验室

课题目的是研究面向特征抽取鉴别EEG信号是否具有癫痫的表征,从而实现EEG信号的自动检测与分析。具体方法是结合临床EEG分析的先验知识,模拟结构匹配性稀疏表示的层次处理机制来实现对EEG信号的结构自适应稀疏分解。结果发现:匹配追踪... 详细信息

课题目的是研究面向特征抽取鉴别EEG信号是否具有癫痫的表征,从而实现EEG信号的自动检测与分析。具体方法是结合临床EEG分析的先验知识,模拟结构匹配性稀疏表示的层次处理机制来实现对EEG信号的结构自适应稀疏分解。结果发现:匹配追踪迭代选择的Gabor字典原子能够匹配EEG信号的内在结构,并具有显式的形态结构参数如位置、尺度、幅度等。由此可得出结论:基于EEG信号形态结构基础建立的过完备原子库,使得稀疏分解获取的信号时频结构参数同人工视觉分析标准建立了直接联系,应用这些时频结构参数与先验参数进行比对可直接判定是否为特征波形。

关键词：特征提取棘波检测自适应先验稀疏表示匹配追踪

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：