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
康平****ng
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
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
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,
基于低秩矩阵恢复的非局部图像修复方法.pdf
本发明公开了一种基于低秩矩阵恢复的非局部图像修复方法,包括:分别针对低秩纹理和自然图像分别进行预补全;将预补全图像划分为若干个图像块,基于块匹配和分组法计算各个图像块的匹配块矩阵;利用低秩矩阵补全对匹配块矩阵进行对各个图像块进行修复;整合所有图像块的修复结果根据整合结果对待修复图像进行修复。本发明综合使用基于样例和基于数值计算两种图像补全方法。在应用场景的范围上比现存的图像补全方法要广,特别是能够近乎完美的从随机采样中重构出图像,且首先进行预补全,然后再分组进行块补全,大大提高了修复精度,该方法可以方便的
基于低秩与双重稀疏矩阵分解的SAR射频干扰抑制方法.pdf
本发明属于SAR信号处理技术领域,公开了一种基于低秩与双重稀疏矩阵分解的SAR射频干扰抑制方法。在对SAR回波信号时频特征分析的基础上,提出RFI时频矩阵具有低秩与稀疏特性,结合目标回波信号的稀疏性,建立联合低秩与双重稀疏特性约束的SAR回波信号分离模型。采用交替迭代投影策略将该多重约束的信号分离优化问题转化为两个优化求解子问题:干扰低秩重构与信号稀疏恢复。针对干扰的低秩重构问题本采用双边随机投影策略进行低秩估计,并结合硬阈值方法实现RFI与目标回波信号的稀疏求解。本发明对RFI进行了精细化约束,使得模型
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,