-
题名非参数贝叶斯分类字典学习的MRI重建方法
- 1
-
-
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]
-
-
题名基于稀疏字典的李群机器学习算法
- 2
-
-
作者
熊啸东
李凡长
王邦军
梁合兰
-
机构
苏州大学计算机科学与技术学院
-
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2020年第5期449-457,共9页
-
基金
国家重点研发计划项目(No.2018YFA07070,2018YFA0701701)
国家自然科学基金项目(No.61373093,61402310,61672364,61672365)资助。
-
文摘
李群机器学习理论被广泛应用于图像集分类中的数据表示和处理,并获得较优结果.由此,文中提出基于稀疏字典的李群机器学习算法.首先使用协方差矩阵对图像集建模,分析协方差矩阵构成的李群结构,应用对数映射将数据映射到线性空间中,得到数据的距离矩阵.再使用路标多维缩放对数据进行降维处理,降低运算成本.最后,使用带费舍尔判别字典学习进行分类.在YTC数据集上的实验证明文中算法具有良好的鲁棒性和准确率.
-
关键词
李群机器学习
稀疏表示
路标多维度缩放
李群字典学习
图像集分类
-
Keywords
Lie group Machine learning
Sparse Representation
Landmark Multiple Dimensional Scaling
Lie group dictionary learning
Image Set Classification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
