文献检索-宁波市创意产业特色资源库

限定检索结果

结合潜在低秩分解和稀疏表示的脑部图像融合: 收藏
分享
引用; 《光电子．激光》2023年第11期34卷 1225-1232页; 作者：张亚加邱啟蒙刘恒邵建龙昆明理工大学信息工程与自动化学院云南昆明650500 云南开放大学城市建设学院云南昆明650500; 针对低秩分解和稀疏表示(space representation,SR)造成融合图像信息缺失的问题,提出一种结合潜在低秩分解和SR的脑部图像融合算法。首先,将源图像分解为低秩、稀疏和噪声3种成分,面对不同分解成分特性间的差异,分别构造低秩字典和稀疏...; 针对低秩分解和稀疏表示(space representation,SR)造成融合图像信息缺失的问题,提出一种结合潜在低秩分解和SR的脑部图像融合算法。首先,将源图像分解为低秩、稀疏和噪声3种成分,面对不同分解成分特性间的差异,分别构造低秩字典和稀疏字典进行描述:采用加权灰度值的方法处理低秩成分,以保持其轮廓和亮度特征;对于稀疏成分,设计一种多范数加权度量的方法对SR进行改进,以保持其高维信息,剔除噪声成分。比对当前主流的5种算法,在视觉效果和客观指标上,本文方法效果最优。; 来源：详细信息评论

限定检索结果