-
题名基于图像块分类与自适应多字典学习的图像压缩感知
- 1
-
-
作者
潘菲菲
杨济民
-
机构
山东师范大学物理与电子科学学院
-
出处
《电脑知识与技术》
2018年第2Z期190-193,共4页
-
文摘
自适应压缩感知(adaptive block CS,ABCS)利用方差表征图像纹理复杂度,进而对图像块进行分类并分配不同测量率,能够在总测量率一定的情况下较好重构图像。但该方法并没有考虑到图像块中的结构特性。针对这一问题,本文提出了基于图像块分类及自适应多字典学习的图像压缩感知方法,先将图像块分为平滑类、边缘类及不规则类三类,再根据结构特性对边缘类进行进一步细分类,针对各类图像块分别训练各自对应的自适应字典。实验结果表明,与单字典和仅基于方差分类的多字典算法相比,本文设计的方法明显提高了图像的重构质量。
-
关键词
压缩感知
块分类
分类字典学习
-
Keywords
compression perception
block classification
classification dictionary learning
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名非参数贝叶斯分类字典学习的MRI重建方法
- 2
-
-
作者
朱路
曹赛男
刘松
刘媛媛
李康康
-
机构
华东交通大学信息工程学院
-
出处
《计算机工程与设计》
北大核心
2021年第4期1065-1071,共7页
-
基金
国家自然科学基金项目(61967007、61963016)
国防科技重点实验室基金项目(JZX7Y201901SY001901)
+1 种基金
江西省杰出青年人才计划基金项目(20171BCB23062)
教育部人文社会科学研究规划基金项目(18YJAZH150)。
-
文摘
为提高磁共振图像的重构质量,提出一种基于非参数贝叶斯分类字典学习的重建方法。通过差分变换,在梯度域中利用无限高斯混合模型将图像块自动聚类,对具有相似结构的图像块进行分类训练字典。采用非参数贝叶斯字典学习方法训练字典,克服传统字典学习对参数选择的依赖性。实验结果表明,与目前几种典型的磁共振图像重建方法相比,该方法的峰值信噪比平均提高2.9 dB;在同一噪声水平下,该方法抗噪性能更强,重构质量更优。
-
关键词
差分变换
非参数贝叶斯
无限高斯混合模型
分类字典学习
参数选择
-
Keywords
differential transformation
nonparametric Bayesian
infinite Gaussian mixed model
group dictionary learning
parameter selection
-
分类号
TN911.73
[电子电信—通信与信息系统]
-
