期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到7篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于图拉普拉斯正则化的PET图像核重建方法
1
作者 盛玉霞 孙坤 柴利 《电子学报》 EI CAS CSCD 北大核心 2024年第1期118-128,共11页
正电子发射断层成像(Positron Emission Tomography,PET)在很多疾病的早期诊断中有重要的作用,PET图像重建的难点之一是如何在保持重建图像中病灶边缘特性的同时具有良好的去噪性能.针对此问题,本文提出了一种结合图拉普拉斯正则化和深... 正电子发射断层成像(Positron Emission Tomography,PET)在很多疾病的早期诊断中有重要的作用,PET图像重建的难点之一是如何在保持重建图像中病灶边缘特性的同时具有良好的去噪性能.针对此问题,本文提出了一种结合图拉普拉斯正则化和深度图像先验的PET图像核重建方法 .设计了改进的U-net神经网络,将PET前向投影模型中的核系数表示为神经网络的输出;通过先验图像构建图拉普拉斯矩阵,重建问题被建模为基于神经网络的带图拉普拉斯正则化项的最大似然函数优化问题.利用优化转移方法导出了收敛的迭代重建算法,每一次迭代包括由核重建方法更新图像和利用神经网络更新核系数两个步骤.仿真和临床实验结果表明,本文提出的方法在不同的指标下都有更好的重建效果,优于已有核重建方法以及最新的基于深度系数先验的重建方法 . 展开更多
关键词 PET 图像重建 核方法 深度图像先验 图拉普拉斯正则化
下载PDF
稀疏分解和图拉普拉斯正则化的图像前景背景分割方法
2
作者 谭婷芳 蔡万源 蒋俊正 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第5期979-987,共9页
针对现有图像前景背景分割方法的分割结果存在孤立像素点的问题,利用图信号处理理论和稀疏分解模型,提出新的图像前景背景分割方法.将图像的内在结构建模为图,通过图模型有效地刻画像素之间的内在关联性.将图像的像素强度建模为图信号,... 针对现有图像前景背景分割方法的分割结果存在孤立像素点的问题,利用图信号处理理论和稀疏分解模型,提出新的图像前景背景分割方法.将图像的内在结构建模为图,通过图模型有效地刻画像素之间的内在关联性.将图像的像素强度建模为图信号,其中图像背景作为平滑分量,由一组图傅里叶变换基函数线性表示,叠加在背景上的前景为稀疏分量,前景像素间的连通性可由图拉普拉斯正则化项进行刻画.将图像前景背景分割问题归结为包含稀疏分解模型和图拉普拉斯正则化项的约束优化问题,采用交替方向乘子法对该优化问题进行求解.实验结果表明,与现有的其他方法相比,所提方法具有更好的分割效果. 展开更多
关键词 图信号处理 图拉普拉斯正则化 图傅里叶变换基函数 稀疏分解 前景背景分割
下载PDF
图拉普拉斯正则化稀疏变换学习图像去噪算法 被引量：5
3
作者 钱冲 常冬霞 《计算机工程与应用》 CSCD 北大核心 2022年第5期232-239,共8页
从噪声图像中恢复干净的图像是对图像进行有效处理与分析的首要前提之一,而去除噪声的同时保持图像的特征则是图像去噪的一个具有挑战性的问题。为了在去除噪声的同时尽量保持图像的局部结构特征,提出了一种基于图拉普拉斯正则化稀疏变... 从噪声图像中恢复干净的图像是对图像进行有效处理与分析的首要前提之一,而去除噪声的同时保持图像的特征则是图像去噪的一个具有挑战性的问题。为了在去除噪声的同时尽量保持图像的局部结构特征,提出了一种基于图拉普拉斯正则化稀疏变换学习的图像去噪算法。通过引入图拉普拉斯正则化对邻域像素进行约束,可以较好地保护相邻像素之间的相关性,从而增强图像的局部平滑性。并且,为了更好地利用图像的非局部信息,在相似图像块度量中引入优化后的稀疏编码,从而寻找到更准确的相似图像块。实验结果表明,无论是在量化指标还是视觉质量上,所提算法均能取得较好的去噪性能。 展开更多
关键词 图像去噪 稀疏变换学习 图拉普拉斯正则化 局部几何结构 图像块匹配
下载PDF
基于低维流形模型的图拉普拉斯正则化的点云去噪算法 被引量：1
4
作者 梁宏 《科技和产业》 2021年第9期37-42,共6页
针对目前点云去噪算法易忽略边缘特征的问题,为了保留点云的显著结构特征,提高点云去噪的精度,提出一种基于低维流形的去噪算法。假设点云分布在高维空间的低维流形上,利用点云间表面的自相似性建立图拉普拉斯模型以近似流形结构,结合... 针对目前点云去噪算法易忽略边缘特征的问题,为了保留点云的显著结构特征,提高点云去噪的精度,提出一种基于低维流形的去噪算法。假设点云分布在高维空间的低维流形上,利用点云间表面的自相似性建立图拉普拉斯模型以近似流形结构,结合图的正则化约束,实现点云的精确去噪,最后通过计算均方误差对算法进行定量评价。实验结果表明,提出的点云去噪算法具有较小的误差,并且能够较好地保留视觉显著结构特征。 展开更多
关键词 点云去噪 低维流形 图拉普拉斯正则化
下载PDF
基于字典学习和图拉普拉斯正则化的全波形反演 被引量：1
5
作者 华然 傅红笋 杨露 《地球物理学进展》 CSCD 北大核心 2022年第3期1034-1040,共7页
针对全波形反演问题的不适定性,本文将基于块的稀疏字典学习、图的拉普拉斯矩阵应用于全波形反演(Full Waveform Inversion,FWI)问题,提出了一种新的FWI算法—基于字典学习和图拉普拉斯正则化的全波形反演方法.利用奇异值分解从图像块... 针对全波形反演问题的不适定性,本文将基于块的稀疏字典学习、图的拉普拉斯矩阵应用于全波形反演(Full Waveform Inversion,FWI)问题,提出了一种新的FWI算法—基于字典学习和图拉普拉斯正则化的全波形反演方法.利用奇异值分解从图像块中学习出具有自适应性的稀疏变换字典,在稀疏表示降噪模型的基础上,引入图拉普拉斯正则化项,同时考虑局部图像块的稀疏性和非局部图像块间的相似性.数值试验结果表明,与基于曲波变换的稀疏约束正则化波形反演算法相比,本文算法能够提供视觉上更清晰的反演结果,能够保留介质参数中更多的细节特征,且在峰值信噪比、结构相似性和均方根误差等定量指标上,都有明显地改善. 展开更多
关键词 全波形反演 字典学习 图拉普拉斯正则化 稀疏表示
原文传递
基于双重正则矩阵分解的缺失数据恢复 被引量：3
6
作者 刘歌 芮国胜 田文飚 《系统工程与电子技术》 EI CSCD 北大核心 2021年第5期1191-1197,共7页
针对多源时间序列缺失数据恢复问题,提出一种基于双重正则矩阵分解的恢复方法。该方法在多源时间序列矩阵分解的基础上,利用时间序列的平滑性构建时间序列隐含因子的二阶差分正则项,同时引入反映数据内部结构的图拉普拉斯正则项对传感... 针对多源时间序列缺失数据恢复问题,提出一种基于双重正则矩阵分解的恢复方法。该方法在多源时间序列矩阵分解的基础上,利用时间序列的平滑性构建时间序列隐含因子的二阶差分正则项,同时引入反映数据内部结构的图拉普拉斯正则项对传感器隐含因子进行约束,并在图拉普拉斯矩阵获取过程中设计了一种联合数据本身的相似度和数据变化趋势相似度的双重皮尔逊相似策略,构造数据内部的最相似图。最后,将双正则项统一于矩阵分解的框架中,利用梯度下降法实现目标函数的优化,数据实验中分别采用合成数据和真实数据验证了算法的有效性。 展开更多
关键词 多源时间序列 数据缺失 矩阵分解 图拉普拉斯正则化
下载PDF
基于图正则化低秩协同表示的高光谱异常检测
7
作者 吴琪 樊彦国 +1 位作者 樊博文 禹定峰 《激光与光电子学进展》 CSCD 北大核心 2022年第12期457-465,共9页
高光谱异常检测是检测出与周围背景像素的光谱具有明显差异的目标的过程。研究学者针对高光谱异常检测提出了多种算法,其中低秩协同表示检测器(LRCRD)不仅能够考虑所有像素之间的高光谱相关性,而且用低秩和l范数最小化约束字典的系数矩... 高光谱异常检测是检测出与周围背景像素的光谱具有明显差异的目标的过程。研究学者针对高光谱异常检测提出了多种算法,其中低秩协同表示检测器(LRCRD)不仅能够考虑所有像素之间的高光谱相关性,而且用低秩和l范数最小化约束字典的系数矩阵,背景字典不需要过度完备,可以更好地表示背景。然而,LRCRD模型并没有考虑到高光谱数据的局部几何信息对于区分背景和异常像素的重要性。将图拉普拉斯正则项引入LRCRD模型中,提出了一种基于图正则化低秩协同表示的异常检测方法,分析数据中的非线性几何信息。该方法保持高光谱图像的局部几何结构,提高了检测精度。在合成和真实高光谱数据集上对所提方法进行了实验验证,实验结果证明了所提方法的可行性。 展开更多
关键词 遥感 高光谱图像 异常探测 图拉普拉斯正则化 流形结构 低秩协同表示
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部