一种基于稀疏低秩分解和视觉显著性结合的医学图像融合方法.pdf
Th****s3
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于稀疏低秩分解和视觉显著性结合的医学图像融合方法.pdf
本发明涉及一种基于稀疏低秩分解和视觉显著性结合的医学图像融合方法,属于数字图像处理技术领域。本发明设计了一种有效的图像低秩稀疏成分分解模型。其中,分解得到的低秩成分反映了图像的整体轮廓和亮度信息,稀疏成分反映了图像的高频细节信息。本明针对图像不同的成分融合,提出了不同的融合方案。在融合低秩成分时,采用传统的“绝对值”取大的融合策略,以保留源图像更多的亮度信息;而对于稀疏成分,本申请提出一种视觉显著性度量的方法来保留更多的显著性稀疏成分。本发明提出的图像融合的方法无论是从人眼视觉上还是从客观评价指标上,本文
基于低秩稀疏分解和PCNN的图像融合方法.pdf
本发明提出了一种基于图像低秩与稀疏成分分解和PCNN相结合的图像融合方法。首先在低秩分解的基础上,结合稀疏表示,通过不同的字典,对不同成分进行稀疏表达得到对应成分的编码系数。然后在融合过程中,采用一种“绝对值”取大的策略对低秩成分进行融合,以保留源图像的亮度信息;对于稀疏成分,不同于传统的融合策略,本发明采用梯度特征激励PCNN的方法进行融合,能更大程度保留更多的源图像边缘细节信息。最后,将低秩融合部分和稀疏部分相加,便得到最终的融合结果。针对不同类型的图像,本发明提出的方法无论在视觉效果还是客观指标上,
一种基于低秩分解和卷积稀疏编码的多源图像融合的方法.pdf
本发明公开了一种基于低秩分解和卷积稀疏编码的多源图像融合的方法,属于数字图像处理技术领域。本发明充分考虑了图像块之间的一致性,通过一组滤波器和稀疏特征图来表示整张图像,不需要将图像切块处理,使得最终融合图像的效果保留了源图像丰富的细节信息,细节更加清晰,不管是从主观视觉上还是客观评价指标上来看实验结果,本发明的融合结果优于其他传统的方法,验证了本发明的有效性。
基于稀疏和局部低秩矩阵分解的磁共振扩散图像重建方法.pdf
本发明基于稀疏和局部低秩矩阵分解的磁共振扩散图像重建方法属于数字图像处理技术领域,具体涉及一种磁共振扩散加权成像技术;该磁共振扩散图像重建方法首先获得k空间欠采样数据,并计算初始重建图像,然后构建基于稀疏和局部低秩矩阵分解的磁共振扩散图像压缩感知重建模型,再采用奇异值软阈值法求解磁共振扩散图像背景成分,并采用软阈值算法求解稀疏成分,接着采用数据一致性更新重建图像,最后根据是否满足收敛条件来判断继续迭代或得到重建图像的最终结果;本发明基于稀疏和局部低秩矩阵分解的磁共振扩散图像重建方法,能够保留图像的细节信息
一种基于低秩稀疏矩阵分解的盲频谱感知方法和装置.pdf
本发明公开了一种基于低秩稀疏矩阵分解的盲频谱感知方法,包括:接收待感知频段上的无线信号,采样得到观测信号;对观测信号进行离散时间傅里叶变换得到变换观测信号;根据设定的低秩因子的稀疏因子,对变换观测信号进行低秩稀疏分解得到低秩元素和稀疏元素;分别对低秩元素、稀疏元素进行反离散时间傅里叶变换得到变换低秩元素、变换稀疏元素,根据变换低秩元素、变换稀疏元素获得最终观测信号;计算变换稀疏元素、最终观测信号在时域的平均能量值得到稀疏能量值、最终观测信号能量值,根据稀疏能量值、最终观测信号能量值与预设的判决阈值的关系,