公开(公告)号：CN111915518B

公开(公告)日：2022-09-06

申请号：CN202010727755.7

申请日：2020-07-23

Applicant: 南京邮电大学

Inventor： 尹海涛 ,  余曦 ,  陈海涛

IPC: G06T5/00

Abstract: 本发明提供一种基于三重低秩模型的高光谱图像去噪方法，首先从含噪声的高光谱图像中依次提取图像块，再对提取的所有图像块分别进行三重低秩优化重构模型(即包括低秩部分约束、低秩部分与线性变换域噪声图像之间的约束以及低秩部分自相关性约束)，去除稀疏噪声，最后通过对重构图像块的重叠像素进行加权平均得到去噪的高光谱图像。低秩部分与线性变换域噪声图像之间的约束可以提高模型的鲁棒性以及图像去噪的精度，低秩部分自相关性约束可以使得该去噪模型相比较于其他去噪模型对死线噪声的去除效果更佳优越。

公开(公告)号：CN112819740B

公开(公告)日：2023-05-12

申请号：CN202110141245.6

申请日：2021-02-02

Applicant: 南京邮电大学

Inventor： 尹海涛 ,  余曦

IPC: G06T5/50

Abstract: 本发明提供一种基于多成份低秩字典学习的医学图像融合方法，该方法首先对多模态医学图像进行高斯滤波，得到不同模态图像的高频与低频部分，然后将不同模态图像的高频部分和低频部分分别进行多成分字典稀疏融合操作，得到融合高频部分和融合低频部分。最后，集成融合高频部分与融合低频部分生成最终融合图像。

公开(公告)号：CN112819740A

公开(公告)日：2021-05-18

申请号：CN202110141245.6

申请日：2021-02-02

Applicant: 南京邮电大学

Inventor： 尹海涛 ,  余曦

IPC: G06T5/50

Abstract: 本发明提供一种基于多成份低秩字典学习的医学图像融合方法，该方法首先对多模态医学图像进行高斯滤波，得到不同模态图像的高频与低频部分，然后将不同模态图像的高频部分和低频部分分别进行多成分字典稀疏融合操作，得到融合高频部分和融合低频部分。最后，集成融合高频部分与融合低频部分生成最终融合图像。

公开(公告)号：CN111915518A

公开(公告)日：2020-11-10

申请号：CN202010727755.7

申请日：2020-07-23

Applicant: 南京邮电大学

Inventor： 尹海涛 ,  余曦 ,  陈海涛

IPC: G06T5/00

Abstract: 本发明提供一种基于三重低秩模型的高光谱图像去噪方法，首先从含噪声的高光谱图像中依次提取图像块，再对提取的所有图像块分别进行三重低秩优化重构模型(即包括低秩部分约束、低秩部分与线性变换域噪声图像之间的约束以及低秩部分自相关性约束)，去除稀疏噪声，最后通过对重构图像块的重叠像素进行加权平均得到去噪的高光谱图像。低秩部分与线性变换域噪声图像之间的约束可以提高模型的鲁棒性以及图像去噪的精度，低秩部分自相关性约束可以使得该去噪模型相比较于其他去噪模型对死线噪声的去除效果更佳优越。