-
公开(公告)号：CN107301631A
公开(公告)日：2017-10-27
申请号：CN201710506574.X
申请日：2017-06-28
Applicant: 重庆大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于非凸加权稀疏约束的SAR图像降斑方法，属于数字图像处理技术领域。它利用相似图像块集合在变换域中的稀疏性，首先对每个目标图像块通过相似度比较寻找相似图像块集合并进行奇异值分解得到系数矩阵，然后对系数矩阵进行非凸加权约束，并通过阈值收缩对系数矩阵进行估计，使估计出的系数矩阵更接近于真实系数，最后利用估计的系数矩阵重构出降斑结果；本发明通过对系数矩阵的非凸加权约束，使降斑后的图像在保留细节的同时有效抑制相干斑噪声，已获得更为精确的降斑图像，更易于目标识别，因此可用于SAR图像降斑。
-
公开(公告)号：CN107301629A
公开(公告)日：2017-10-27
申请号：CN201710506363.6
申请日：2017-06-28
Applicant: 重庆大学
CPC classification number: G06T5/001 , G06K9/6215 , G06T5/002 , G06T5/003 , G06T5/10 , G06T2207/20021 , G06T2207/20048
Abstract: 本发明公开了一种基于变换域联合稀疏表示的图像重构方法。属于数字图像处理技术领域。它是一种将变换域稀疏表示与联合稀疏约束相结合的图像重构方法。首先通过相似图像块匹配寻找相似图像块集合，并在变换域对相似图像块集合进行小波和离散余弦变换，得到稀疏系数，然后通过非局部加权平均和最大后验概率的贝叶斯估计来分别求得稀疏系数的非局部估计值和联合约束参数，最后利用伯格曼迭代算法来对稀疏模型进行高效求解得出最终估计结果；本发明对变换域的稀疏系数进行联合稀疏约束，使得到的图像能保留更多细节的同时更有效地还原真实图像丢失的信息，使图像整体效果更接近真实图像，因此可用于图像修复和去模糊。
-
公开(公告)号：CN107301630B
公开(公告)日：2020-09-18
申请号：CN201710506572.0
申请日：2017-06-28
Applicant: 重庆大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于排序结构组非凸约束的CS‑MRI图像重构方法。属于数字图像处理技术领域。它是一种利用结构组排序提高固定字典表示能力并利用log‑sum范数来对结构组进行非凸约束的图像重构方法。首先找到目标图像块的相似图像块集合即结构组，然后对目标图像块建立排序模型并将获得的排序矩阵用于结构组的排序，以提高固定字典对结构组的表达能力，最后利用log‑sum范数对稀疏系数进行非凸约束；本发明对结构组内部进行排序，提高了结构组稀疏表示的性能，并采用一种快速阈值算子对系数的非凸优化进行求解，使估计出的系数更接近真实值，通过本发明得到的图像整体更加清晰，并保留了图像的大量细节信息，恢复的准确度更高，因此可用于医学图像的重构。
-
公开(公告)号：CN107330950A
公开(公告)日：2017-11-07
申请号：CN201710512095.9
申请日：2017-06-28
Applicant: 重庆大学
IPC: G06T11/00
CPC classification number: G06T11/008 , G06T2207/10088 , G06T2207/20021 , G06T2207/20048
Abstract: 本发明公开了一种基于非局部奇异值分解与估计的MRI图像重构方法。属于医学图像处理技术领域。它是一种基于局部稀疏与非局部自相似性相结合的图像重构方法。首先寻找每个目标图像块对应的相似图像块集合，并对相似图像块集合进行奇异值分解得到对应的奇异值系数，然后基于线性最小均方误差准则实现奇异值的估计，并对该准则中所需的相似图像块集合噪声方差进行估计，以提高估计特征值的精确度；本发明对相似图像块集合进行奇异值分解得到奇异值系数并利用线性最小均方误差来估计，能够对图像的细节信息进行较好的估计，因此重构后的图像在整体效果和细节表现上更接近真实图像，可用于提高核磁共振图像的重构质量和视觉效果。
-
公开(公告)号：CN105427264A
公开(公告)日：2016-03-23
申请号：CN201510975963.8
申请日：2015-12-23
Applicant: 重庆大学
IPC: G06T5/00
CPC classification number: G06T5/003
Abstract: 本发明公开了一种基于群稀疏系数估计的图像重构方法。属于数字图像处理技术领域。它是一种基于相似块集合稀疏系数估计的图像重构方法。首先通过欧氏距离寻找相似图像块，并对相似图像块集合进行局部与非局部稀疏表示，以获得更稀疏更准确的系数。进一步利用伯格曼迭代算法求解重构模型，并采用线性最小均方误差准则估计稀疏系数，以保证对包含图像纹理细节信息的小系数的精确估计。本发明对相似图像块集合稀疏表示系数进行线性最小均方误差估计，不仅在修复和去模糊等方面效果明显，同时使重构后的图像拥有更为丰富的细节信息，整体视觉效果更加清晰，可用于光学图像修复和去模糊。
-
Patent Agency Ranking
公开(公告)号：CN108346167A
公开(公告)日：2018-07-31
申请号：CN201711463209.1
申请日：2017-12-28
Applicant: 重庆大学
Abstract: 本发明公开了一种基于正交字典下同时稀疏编码的MRI图像重构方法。属于数字图像处理技术领域。它是一种利用正交字典对图像进行稀疏表示和对稀疏系数同时稀疏编码优化的MRI图像重构方法。首先找到目标图像块的相似图像块集合即结构组，然后基于结构组在正交字典下的同时稀疏编码建立的图像重构模型，最后用广义软阈值法求解出该模型中结构组的稀疏系数并重构图像；本发明通过正交字典对结构组进行稀疏表示，可优化对结构组稀疏表示性能，并利用同时稀疏编码和广义软阈值法对稀疏系数进行约束和求解，能够更高效精确地估计稀疏系数，通过本发明重构出的MRI图像整体更加清晰，而且细节信息更丰富，重构的准确度更高，因此可用于医学图像的重构。
-
公开(公告)号：CN107993204A
公开(公告)日：2018-05-04
申请号：CN201711211072.0
申请日：2017-11-28
Applicant: 重庆大学
Abstract: 本发明公开了一种基于图像块增强稀疏表示的MRI图像重构方法。属于数字图像处理技术领域。它是一种利用图像块内像素排序与非凸范数约束提高系数稀疏度与估计性能的方法。首先在MRI图像中抽取目标图像块，然后建立基于图像块的排序训练模型，并结合系数非凸约束建立MRI图像的重构模型，再采用交替方向法迭代求解该模型中的排序矩阵与稀疏系数，利用估计出的稀疏系数重构出最终的MRI图像；本发明通过对图像块内像素进行排序，提高了稀疏变换的性能，并对系数进行非凸范数最小化约束，使估计出的系数更接近于真实系数，通过本发明重构出的图像整体效果更好，而且细节信息更丰富，重构的准确度更高，因此可用于MRI图像的重构。
-
公开(公告)号：CN107301631B
公开(公告)日：2020-09-18
申请号：CN201710506574.X
申请日：2017-06-28
Applicant: 重庆大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于非凸加权稀疏约束的SAR图像降斑方法，属于数字图像处理技术领域。它利用相似图像块集合在变换域中的稀疏性，首先对每个目标图像块通过相似度比较寻找相似图像块集合并进行奇异值分解得到系数矩阵，然后对系数矩阵进行非凸加权约束，并通过阈值收缩对系数矩阵进行估计，使估计出的系数矩阵更接近于真实系数，最后利用估计的系数矩阵重构出降斑结果；本发明通过对系数矩阵的非凸加权约束，使降斑后的图像在保留细节的同时有效抑制相干斑噪声，已获得更为精确的降斑图像，更易于目标识别，因此可用于SAR图像降斑。
-
公开(公告)号：CN105427264B
公开(公告)日：2019-02-01
申请号：CN201510975963.8
申请日：2015-12-23
Applicant: 重庆大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于群稀疏系数估计的图像重构方法。属于数字图像处理技术领域。它是一种基于相似块集合稀疏系数估计的图像重构方法。首先通过欧氏距离寻找相似图像块，并对相似图像块集合进行局部与非局部稀疏表示，以获得更稀疏更准确的系数。进一步利用伯格曼迭代算法求解重构模型，并采用线性最小均方误差准则估计稀疏系数，以保证对包含图像纹理细节信息的小系数的精确估计。本发明对相似图像块集合稀疏表示系数进行线性最小均方误差估计，不仅在修复和去模糊等方面效果明显，同时使重构后的图像拥有更为丰富的细节信息，整体视觉效果更加清晰，可用于光学图像修复和去模糊。
-
公开(公告)号：CN107993205A
公开(公告)日：2018-05-04
申请号：CN201711211074.X
申请日：2017-11-28
Applicant: 重庆大学
Abstract: 本发明公开了一种基于学习字典与非凸范数最小化约束的MRI图像重构方法。属于数字图像处理技术领域。它是一种利用学习字典对结构组进行自适应稀疏表示，并对稀疏系数进行非凸范数最小化约束以重构图像的方法。首先找到目标图像块的相似图像块集合即结构组，然后建立图像的非凸范数最小化约束模型，并基于该模型学习出正交字典以提高稀疏表达能力，最后求解出该模型中的稀疏系数并重构图像；本发明通过学习字典对结构组进行表示，可有效提高稀疏表示后的稀疏度，进一步利用非凸范数最小化约束可使估计出的系数更接近于真实系数，通过本发明重构出的MRI图像整体更加清晰，而且细节信息更丰富，重构的准确度更高，因此可用于医学图像的重构。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.017 seconds)
