检索结果-南通市图书馆

基于图像块分类的低剂量CT迭代重建算法研究

在线全文

学校读者我要写书评

暂无评论

基于图像块分类的低剂量CT迭代重建算法研究

作者：赵霞中北大学

学位级别：硕士

近年来,X射线计算机断层扫描（Computed Tomography,CT）技术普遍运用于医学检查领域,尤其是在放射诊断方向。然而,CT扫描使患者暴露于辐射中,有可能导致代谢异常、诱发癌症和其他遗传性疾病等问题。因此,低剂量CT成像是CT发展的一个重... 详细信息

近年来,X射线计算机断层扫描（Computed Tomography,CT）技术普遍运用于医学检查领域,尤其是在放射诊断方向。然而,CT扫描使患者暴露于辐射中,有可能导致代谢异常、诱发癌症和其他遗传性疾病等问题。因此,低剂量CT成像是CT发展的一个重要方向。针对CT成像过程中X射线剂量降低导致CT图像质量下降的问题,本文对统计迭代重建进行了研究,主要研究工作如下:（1）针对高斯马尔可夫随机场（MRF）正则化方法容易造成图像边缘模糊和全变分（TV）正则化方法容易在噪声多的区域产生阶梯效应等问题,提出了一种基于分区域处理的联合先验低剂量CT统计迭代重建算法。该算法首先对重建过程中的图像进行区域划分,具体为对图像进行中值滤波并计算滤波图像的梯度,再根据梯度划分出图像的边缘区域和平坦区域,然后分别利用TV和高斯MRF正则化对不同的区域进行惩罚,再将这两种正则项作为联合先验应用到惩罚加权最小二乘重建算法中,最后使用超松弛迭代算法（SOR）对目标函数进行求解。经过实验可以证明,所提算法在去噪和维持边沿方面有显而易见的优势。（2）针对基于传统字典重建方法中整个CT图像被用于训练字典且将学习到的字典用于所有块的稀疏表示,使得图像中的平滑区域和边缘区域具有相同的平滑效果,导致边缘信息丢失等问题,提出了一种基于图像块分类字典学习的低剂量CT迭代重建算法,将不同类别的字典学习作为正则项应用到惩罚加权最小二乘重建算法中。该算法先将目标图像分块,并对图像块求方差,然后根据方差把图像块分为两大类,即平滑块和细节块,再利用梯度指向角将细节块分成0°、45°、90°和135°的边缘块和无规律的图像块,之后,采用K-SVD算法和OMP算法分别对不同种类的图像块训练以得到不同种类的字典和稀疏系数,最后使用具有有序子集的松弛线性增广拉格朗日方法对目标函数求解。通过对模拟数据和临床数据进行实验,与其他重建方法相比,所提算法不仅具有很强的去噪能力,而且能在重建图像中清晰地看到图像的边缘。

关键词：低剂量CT 区域划分图像块分类字典学习统计迭代重建

基于可逆整数时间域重叠变换的分类矢量量化图像编码

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电子与信息学报 2011年第11期33卷 2547-2552页

作者：彭洲赵保军周刚北京理工大学信息与电子学院北京100081 中国科学院长春光学精密机械与物理研究所长春130033

针对普通矢量量化编码不能保留大量边缘细节信息,导致图像边缘细节模糊的问题,该文提出一种基于可逆整数时间域重叠变换(RTDLT)与分类矢量量化的图像压缩编码方法。首先对图像进行分块,同时对图像进行RTDLT变换,然后根据图像分块的梯度... 详细信息

针对普通矢量量化编码不能保留大量边缘细节信息,导致图像边缘细节模糊的问题,该文提出一种基于可逆整数时间域重叠变换(RTDLT)与分类矢量量化的图像压缩编码方法。首先对图像进行分块,同时对图像进行RTDLT变换,然后根据图像分块的梯度幅值与RTDLT变换系数对分块进行分类,最后对不同类别分块的RTDLT系数进行独立的基于模糊c均值矢量量化编码。实验证明,该算法比JPEG2000等其他算法具有更高的压缩倍数,重构图像质量更高。

关键词：图像编码可逆整数时间域重叠变换图像块分类模糊c均值矢量量化

在线全文

学校读者我要写书评

暂无评论

基于复合分类的快速分形图像压缩编码

计算机辅助设计与图形学学报 2002年第4期14卷 348-350页

作者：李杰付萍刘金国长春大学电气信息工程学院长春130022 吉林大学信息科学与工程学院长春130025 中国科学院长春光学精密机械与物理研究所空间光学研究部长春130022

针对分形编码方法耗时过长的不足 ,提出一种分类加聚类的快速分形图像编码方法 .通过提取图像块的分形维数对图像块分类 ,在同类内基于分形维数聚类 ,使匹配搜索在同类的聚类域内进行 ,并对不同类块采用不同算法 .实验表明 ,该方法与经... 详细信息

针对分形编码方法耗时过长的不足 ,提出一种分类加聚类的快速分形图像编码方法 .通过提取图像块的分形维数对图像块分类 ,在同类内基于分形维数聚类 ,使匹配搜索在同类的聚类域内进行 ,并对不同类块采用不同算法 .实验表明 ,该方法与经典分形方法 (PIFS)比较 ,在信噪和解码图像质量可接受的条件下 ,大大提高了编码速度。

关键词：分形维数图像块分类聚类图像压缩编码分形编码计算机

在线全文

学校读者我要写书评

暂无评论

基于主动学习的遥感图像分类研究

基于主动学习的遥感图像分类研究

作者：杭仁龙南京信息工程大学

学位级别：硕士

对遥感图像分类问题,目前普遍采用的是基于监督学习的分类算法,但是监督学习算法的主要缺陷是它的性能依赖于训练样本的数量和质量。对于遥感图像来说,获取大量标记样本不仅耗时而且代价昂贵。同时,由于遥感数据采集技术突飞猛进的发展... 详细信息

对遥感图像分类问题,目前普遍采用的是基于监督学习的分类算法,但是监督学习算法的主要缺陷是它的性能依赖于训练样本的数量和质量。对于遥感图像来说,获取大量标记样本不仅耗时而且代价昂贵。同时,由于遥感数据采集技术突飞猛进的发展,获取大量未标记样本越来越容易。因此,如何充分利用少量有限的标记样本和大量未标记样本,从而大大提高模型的分类性能显得非常有意义。主动学习就是这样一个解决此类问题的方法。当前的主动学习方法基本上都是利用像素点的光谱信息来对像素逐个进行分类,忽视了像素之间的空间信息,导致最终的分类结果图中包含很多异常点。针对这种情况,本文提出了两种结合图像块信息的主动学习方法。方法一：基于图像块的主动学习方法。首先将原始图像分成若干个重叠的图像块,然后提取图像块的谱-空间信息,最后利用三种主动学习方法：margin sampling、entropy query-by-bagging, multi-class level uncertainty对图像块进行分类。实验结果表明,在三个不同的高分辨率遥感图像数据库上,和基于像素点的主动学习方法相比,基于图像块的主动学习方法计算速度更快、分类准确率更高、分类结果图更均匀。方法二：一种新的基于委员会的主动学习方法。首先将原始图像分成若干个重叠的图像块,提取图像块的特征,然后随机选取少量的图像块来训练块支持向量机模型,与此同时,用图像块中所有像素点来训练点支持向量机模型。利用这两个模型同时对未标注样本进行预测,将预测结果不同的像素添加到矛盾样本池中。最后利用边缘采样的方法从矛盾样本池中筛选出信息量最大的样本,进行人工标注。将标注好的训练样本添加到训练集中,重新训练两个模型,整个过程不断重复,直到达到停止标准。实验结果表明,在两个不同的高分辨率遥感图像数据库上,本文提出的方法比两种经典的主动学习方法margin sampling、entropy query-by-bagging的分类准确率更高。

关键词：主动学习图像块分类像素点分类支持向量机高光谱图像

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于分类的轻量化图像超分辨率算法研究

基于分类的轻量化图像超分辨率算法研究

作者：余勇合肥工业大学

学位级别：硕士

通过图像增强算法进行低质量图像增强并重建为高质量图像是解决低质量图像增强修复的有效方式之一。但现有的图像增强算法网络都很复杂,在图像增强重建的实施过程中往往需要耗费大量的硬件资源,在资源相对较低的场景,如手机移动端等,仍... 详细信息

通过图像增强算法进行低质量图像增强并重建为高质量图像是解决低质量图像增强修复的有效方式之一。但现有的图像增强算法网络都很复杂,在图像增强重建的实施过程中往往需要耗费大量的硬件资源,在资源相对较低的场景,如手机移动端等,仍然无法得以广泛应用。针对以上问题,本文首先对以往的超分辨率网络进行研究,提出了基于特征重要程度分类并进行部分卷积的超分辨率重建网络,并验证其重建图像质量在相对较高的水平下,仍可以可大大降低网络的复杂度。然后,本文提出了一种基于图像特征块分类的轻量化超分辨率重建网络,通过对原始图像进行图像块分类处理,实现使用相对较少的硬件资源来进行图像增强与重建,同时对所提算法推广至移动端进行应用验证,主要内容如下:(1)在现有经典的超分辨率重建网络基础上,本文提出一种基于特征重要程度的部分卷积的神经网络Lit＿SR,通过对图像特征重要程度进行分类并对重要特征进行部分卷积以减少计算冗余,实验结果表明该方法可以在大幅度降低网络复杂度的条件下取得相对较好的图像重建效果。(2)本文构建了一个基于图像块分类的轻量化超分辨率重建网络。本文从现有的图像组成规律出发,将图像进行切块并按照人眼视觉特性将图像按照平坦区、边缘区、纹理区进行分类划分制作数据集,并按照对应区域的图像块特性训练相应的图像增强网络,通过学习更具适应性的分类过程以提高重建后图像的质量。在分类处理过程中按照人眼视觉特性及图像块的复杂程度分别采用不同复杂度的增强网络,从而在不影响增强效果的前提下大大减少了参数的数量,降低了图像处理的难度并减少增强过程中对资源的消耗。所提方法在DIV2K数据集上获得了优异的主客观结果,验证了方法的有效性。(3)本文将构建的基于分类的轻量化超分辨率重建网络模型推广至移动设备上应用验证。通过将轻量化网络与Android技术结合应用,本文设计了一个移动端的图像增强应用,将训练后的轻量化网络模型编译为Android可调用程序以实现超分辨率重建网络在移动端设备部署,最后在移动设备上进行图像增强处理,实验结果的表明,该方法具备有效性和实用性。

关键词：超分辨率重建图像块分类轻量化网络移动端应用

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

改进的混合动静态背景的分割方法

西安交通大学学报 2015年第2期49卷 25-30页

作者：刘天良郑海红罗圣美梁玮邓硕西安电子科技大学计算机学院西安710071 清华大学计算机学院北京100084 中兴通讯股份有限公司广东深圳518057

针对动静态背景场景下背景分割虚警率高的问题,提出了一种基于块直方图特征的Zivkovic混合高斯模型改进算法—BHZ-MoG。该算法设计了图像的块观测向量,并根据块观测向量的统计规律将图像块分类为动态、半动态、静态块,由此给出了结合块... 详细信息

针对动静态背景场景下背景分割虚警率高的问题,提出了一种基于块直方图特征的Zivkovic混合高斯模型改进算法—BHZ-MoG。该算法设计了图像的块观测向量,并根据块观测向量的统计规律将图像块分类为动态、半动态、静态块,由此给出了结合块观测向量与块分类的块直方图特征提取算法,同时结合块直方图特征与Zivkovic混合高斯模型对不同类型的块分别进行背景分割与模型更新。实验结果表明,相较于Zivkovic混合高斯模型,BHZ-MoG算法能够在保证查全率不变的情况下,有效提高背景分割结果的查准率;Zivkovic混合高斯模型及BHZ-MoG的最大F1分数分别为0.758和0.790,说明了BHZ-MoG算法可以获得较佳的前、背景分割效果。另外,BHZMoG算法还可有效降低Zivkovic混合高斯模型在动态背景下的虚警率。

关键词：背景分割图像块分类颜色直方图特征混合高斯模型

分块OSTM测量矩阵构造及自适应压缩感知算法

在线全文

学校读者我要写书评

暂无评论

天津大学学报（自然科学与工程技术版） 2014年第6期47卷 535-540页

作者：杨爱萍张金霞钟腾飞卜令勇天津大学电子信息工程学院天津300072

针对目前随机测量矩阵物理实现困难、成本较高等不足,在研究确定性测量矩阵构造的基础上,基于分块循环结构,提出了分块正交对称Toeplitz矩阵(OSTM)的构造方法.分块OSTM具有伪随机循环结构,易于硬件实现,其独立变元个数大大减少,可降低... 详细信息

针对目前随机测量矩阵物理实现困难、成本较高等不足,在研究确定性测量矩阵构造的基础上,基于分块循环结构,提出了分块正交对称Toeplitz矩阵(OSTM)的构造方法.分块OSTM具有伪随机循环结构,易于硬件实现,其独立变元个数大大减少,可降低存储和运算时间.针对目前图像分块压缩感知中单一采样的缺陷,将图像块进行分类,根据图像局部结构自适应分配采样率,结合分块OSTM设计,提出了基于分块OSTM的自适应压缩采样算法.仿真实验结果表明,基于分块OSTM的压缩测量获得的重构图像PSNR显著提高,图像主观质量得到了有效改善.

关键词：分块压缩感知分块正交对称Toeplitz矩阵图像块分类自适应采样率

在线全文

学校读者我要写书评

暂无评论

一种基于深度学习的多聚焦图像融合算法

激光与光电子学进展 2018年第7期55卷 240-248页

作者：陈清江李毅柴昱洲西安建筑科技大学理学院陕西西安710055 空间电子信息技术研究院陕西西安710100

针对深度学习在计算机视觉上的良好表现,提出一种基于深度学习的多聚焦图像融合算法,在原有的AlexNet网络模型基础上改进了卷积核大小、步长等;利用改进后的深度学习网络特有的得分机制分类了聚焦图像块与散焦图像块;使用矫正矩阵矫正... 详细信息

针对深度学习在计算机视觉上的良好表现,提出一种基于深度学习的多聚焦图像融合算法,在原有的AlexNet网络模型基础上改进了卷积核大小、步长等;利用改进后的深度学习网络特有的得分机制分类了聚焦图像块与散焦图像块;使用矫正矩阵矫正了误判图像块,并细分、修复了融合后的图像聚焦与散焦分界区域,得到了融合图像;选取6组多聚焦图像验证了本文算法的有效性。实验结果表明:与其他算法相比,运用本文算法进行图像融合,能够保存较多的图像原始高频信息,并在互信息、边缘信息保持度、平均梯度和熵等评价指标上取得了较好的表现。

关键词：图像处理多聚焦图像融合深度学习网络矫正矩阵图像块分类边界修复

在线全文

学校读者我要写书评

暂无评论

面向图像超分辨率的上下文字典学习

计算机科学 2014年第10期41卷 87-90页

作者：于伟姚鸿勋孙晓帅刘先明许鹏飞哈尔滨工业大学计算机科学与技术学院哈尔滨150001

基于稀疏表示理论,提出了一种面向单张图片超分辨率的字典学习方法。通过对训练数据进行分类,期望在每一类训练数据训练字典的过程中,增强类内的上下文信息。与之前的面向图像分类的字典学习方法所不同的是,训练数据集由高分辨率图像块... 详细信息

基于稀疏表示理论,提出了一种面向单张图片超分辨率的字典学习方法。通过对训练数据进行分类,期望在每一类训练数据训练字典的过程中,增强类内的上下文信息。与之前的面向图像分类的字典学习方法所不同的是,训练数据集由高分辨率图像块和对应的低分辨率图像块共同组成,这使训练得到的字典更适用于图像重构。利用有限的训练数据集,基于上下文的字典学习方法能够提高字典表示的拓展能力,消除由多重训练数据子集带来的冗余。

关键词：单张图片超分辨率稀疏表示上下文字典图像块分类