期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于低秩优化的CT图像目标检测方法 认领 被引量:1
1
作者 张敏辉 杨剑 《计算机工程与设计》 北大核心 2018年第7期2080-2083,共4页
针对传统的模式识别方法难以识别CT图像中不规则目标的问题,提出一种基于低秩优化的目标识别方法。利用病灶部位在影像中的稀疏性与多样性,将众多CT图像配准到标准图像中并连接为一个矩阵;利用矩阵中正常组织部分的低秩性和病灶组织部... 针对传统的模式识别方法难以识别CT图像中不规则目标的问题,提出一种基于低秩优化的目标识别方法。利用病灶部位在影像中的稀疏性与多样性,将众多CT图像配准到标准图像中并连接为一个矩阵;利用矩阵中正常组织部分的低秩性和病灶组织部分的稀疏性,将矩阵分解为低秩成分和稀疏成分;通过低秩优化寻找矩阵中的低秩成分和稀疏成分,直接分离出病灶组织。实验结果表明,该方法相对于传统的分类和聚类算法可以极大减少误诊率,具有更快的运行效率,可更有效地运用于辅助诊断。 展开更多
关键词 低秩优化 CT图像诊断 目标检测 图像处理 模式识别
在线阅读 下载PDF
基于非局部相似块低秩的压缩感知图像重建算法 认领 被引量:7
2
作者 宋云 李雪玉 +1 位作者 沈燕飞 杨高波 《电子学报》 EI CSCD 北大核心 2017年第3期695-703,共9页
传统的压缩感知重建算法利用信号在某个特征空间下的稀疏性构建目标优化函数,但没有充分考虑信号的局部特性和结构化属性,影响了算法的重建性能和算法的适应性.本文考虑图像的非局部自相似性(Nonlocal Self-Similarity,NLSS),提出一... 传统的压缩感知重建算法利用信号在某个特征空间下的稀疏性构建目标优化函数,但没有充分考虑信号的局部特性和结构化属性,影响了算法的重建性能和算法的适应性.本文考虑图像的非局部自相似性(Nonlocal Self-Similarity,NLSS),提出一种基于图像相似块低秩的压缩感知图像重建算法,将图像恢复问题转化为聚合的相似块矩阵秩最小问题.算法以最小压缩感知重建误差为约束构建优化模型,并采用加权核范数最小化算法(Weighed Nuclear Norm Minimization,WNNM)求解低秩优化问题,很好地挖掘了图像自身的信息和结构化稀疏特征,保护了图像的结构和纹理细节.多个测试图像、不同采样率下的实验证明了算法的有效性,特别是在低采率下对于纹理较为丰富的图像,提出的算法图像重建质量较明显的优于最新的同类算法. 展开更多
关键词 压缩感知 图像重建 非局部自相似 低秩优化
在线阅读 免费下载
类别约束下的低秩优化特征字典构造方法 认领 被引量:1
3
作者 吕煊 刘玉淑 +1 位作者 丁洪富 李爱迪 《计算机应用》 CSCD 北大核心 2014年第9期2668-2672,2677共6页
字典模型(BOW)是一种经典的图像描述方法,模型中特征字典的构造方法至关重要。针对特征字典构造问题,提出了一种类别约束下的低秩优化特征字典构造方法 LRC-DT,通过低秩优化的方法使训练出来的特征字典在描述同类图像时表示系数矩阵的... 字典模型(BOW)是一种经典的图像描述方法,模型中特征字典的构造方法至关重要。针对特征字典构造问题,提出了一种类别约束下的低秩优化特征字典构造方法 LRC-DT,通过低秩优化的方法使训练出来的特征字典在描述同类图像时表示系数矩阵的秩相对较低,从而将类别信息引入到字典学习中,提高字典对图像描述的可分辨性。在标准公测库Caltech-101和Caltech-256上的实验结果表明:将SPM、稀疏编码下的SPM(ScSPM)、局部线性编码(LLC)和线性核函数的SPM(LSPM)编码方法中的特征字典替换为加入低秩约束(LRC)的特征字典后,随着训练样本数目增多,字典模型的分类准确率与未引入低秩约束的方法相比有所提高。 展开更多
关键词 字典模型 低秩优化 低秩描述 图像描述 图像分类
在线阅读 下载PDF
基于非凸低秩优化的压缩感知植株图像重构 认领
4
作者 沈跃 李尚龙 +2 位作者 崔业民 朱嘉慧 刘加林 《软件导刊》 2019年第12期173-179,共7页
目标植株图像压缩重构对于图像的高效传输及存储意义重大,同时为后期植株生长状态检测及病虫害识别奠定了基础。传统图像压缩感知方法大多是针对信号在某个特征空间的稀疏性进行的,并没有考虑信号的局部特征与结构化特性,存在重构效率... 目标植株图像压缩重构对于图像的高效传输及存储意义重大,同时为后期植株生长状态检测及病虫害识别奠定了基础。传统图像压缩感知方法大多是针对信号在某个特征空间的稀疏性进行的,并没有考虑信号的局部特征与结构化特性,存在重构效率不高、重构精度较低等问题。针对以上情况,提出一种基于非凸低秩优化的压缩感知植株图像重构算法。首先通过KinectV2.0采集植株图像深度数据并进行预处理,结合K-means与Mean-shift聚类算法提取目标植株有效区域,再考虑图像的非局部自相似性,采用加权lp范数最小化算法(WSNM)求解低秩优化问题,较好地保留了图像结构细节,最后采用Dog-leg最小二乘算法取代最快下降法进行迭代优化。试验结果证明,该算法在不同采样率下的植株图像重构质量优于其它同类算法,尤其在低采样率下重构效果更为突出。 展开更多
关键词 压缩感知 图像重构 低秩优化 聚类算法 Dog-Leg最小二乘法 深度信息
在线阅读 免费下载
上一页 1 下一页 到第
使用帮助 返回顶部 意见反馈