检索结果

参考文献 | 相关文章 | 多维度评价

Select

2. 基于压缩感知的超分辨率图像重建

樊博杨晓梅胡学姝

计算机应用 2013, 33 (02): 480-483. DOI: 10.3724/SP.J.1087.2013.00480

摘要（1206）

PDF （711KB）（803）

压缩感知(CS)利用图像稀疏表示的先验知识，从少量的观测值中重建出原始图像。将CS理论应用于单幅图像超分辨率(SR)，提出一种基于两步迭代收缩算法和全变分(TV)稀疏表示的图像重建方法。该方法无需任何训练集，仅需单幅低分辨率实现图像重建。算法在测量矩阵里加入下采样低通滤波器以使SR问题满足应用CS理论的有限等距性质;采用TV正则化函数，利用两步迭代法引入TV去噪算子，可以更好地重建图像边缘。实验结果证明，与已有的超分辨率方法相比，在不同的放大倍数下所提方法重建图像视觉效果更好，在峰值信噪比(PSNR)的评价指标上有显著的提高(4~6dB)，且实验证实滤波器的引入决定算法的重建质量。

相关文章 | 多维度评价

Select

3. 基于压缩感知的自适应正则化磁共振图像重构

李青杨晓梅李红

计算机应用 2012, 32 (02): 541-544. DOI: 10.3724/SP.J.1087.2012.00541

摘要（975）

PDF （569KB）（601）

当前基于压缩传感理论的正则化磁共振(CS-MR)图像重构算法普遍采用全局正则化参数，不能很好地在保持边缘和平滑噪声方面做出平衡。为此，提出一种自适应的正则化CS-MRI重构算法。结合图像稀疏性和其局部光滑性的先验知识，采用非线性共轭梯度下降算法求取最优化问题，并在迭代过程中自适应地改变局部正则化参数。新的正则化参数可以更好地恢复图像边缘，并且有利于平滑噪声，使代价函数在定义域内具有凸性;同时先验信息包含于正则化参数中，以提高图像的高频成分。实验结果表明该算法能有效权衡恢复图像边缘和平滑噪声两者的关系。

相关文章 | 多维度评价

Select

4. 基于GVF模型与光流场的左心室容积计算

魏宇杨晓梅黄山

计算机应用 2009, 29 (12): 3400-3402.

摘要（1249）

PDF （482KB）（1199）

针对目前利用心脏核磁共振图像计算左心室容积存在的分割困难和计算量大的问题,提出了一种新的计算左心室容积的方法。首先采用基于梯度向量流的主动轮廓模型(GVF-snake)对左心室内膜进行分割获取初始轮廓线,再采用光流法跟踪得到心脏序列中后续帧图像的心腔内膜轮廓线,最后采用Simpson方法计算得到左心室容积。运用该方法得到的结果和用手工勾画心脏内膜轮廓得到的结果比较表明：GVF-snake与光流运动跟踪相结合的方法用于左心室容积的计算是可行的。