期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
低剂量CT图像域各向异性加权最小二乘重建算法
1
作者 郭晓杰 张权 +2 位作者 刘袆 上官宏 桂志国 《中北大学学报(自然科学版)》 CAS 北大核心 2014年第6期739-744,共6页
针对低剂量CT重建图像由于过度的量子噪声产生退化的问题,基于统计重建算法提出了一种改进的图像域惩罚加权最小二乘重建算法.该算法对传统PWLS算法的代价函数进行了改进,通过引入各向异性扩散算子,使得算法可以根据图像特征自适应地调... 针对低剂量CT重建图像由于过度的量子噪声产生退化的问题,基于统计重建算法提出了一种改进的图像域惩罚加权最小二乘重建算法.该算法对传统PWLS算法的代价函数进行了改进,通过引入各向异性扩散算子,使得算法可以根据图像特征自适应地调整图像的平滑程度,然后采用SOR迭代算法对目标函数进行求解.实验结果表明:该算法重建图像的均方根误差为13.907 3,信噪比为11.748 8,算法可以在有效抑制重建图像条形伪影的同时,保护重建图像的细节与边缘. 展开更多
关键词 低剂量CT 惩罚加权最小二乘法 各向异性加权 迭代 降噪
下载PDF
基于各向异性加权的红外导引头非均匀校正 被引量:1
2
作者 高明 陈伟 周帆 《现代防御技术》 2020年第3期56-60,共5页
红外导引头探测器成像的非均匀性严重影响探测性能。针对红外导引头非均匀校正命题,提出了一种基于各向异性加权的红外导引头非均匀性校正算法。首先,简要阐述了红外成像系统的响应模型,分析非均匀校正和图像直方图之间的联系,进而,引... 红外导引头探测器成像的非均匀性严重影响探测性能。针对红外导引头非均匀校正命题,提出了一种基于各向异性加权的红外导引头非均匀性校正算法。首先,简要阐述了红外成像系统的响应模型,分析非均匀校正和图像直方图之间的联系,进而,引入局部各向异性加权的直方图,形成一种高效的红外导引头非均匀校正算法。校正实验结果表明,与其他算法相比,所提出方法无论从实际视觉效果和客观质量评价,还是从处理速度,都具有明显优势。 展开更多
关键词 红外导引头 非均匀校正 图像直方图 局部各向异性加权 高效
下载PDF
顾及各向异性加权力矩与绝对相位方向的异源影像匹配 被引量:23
3
作者 姚永祥 张永军 +2 位作者 万一 刘欣怡 郭浩宇 《武汉大学学报(信息科学版)》 EI CAS CSCD 北大核心 2021年第11期1727-1736,共10页
针对异源遥感影像之间存在光照差异显著、对比度差异大和非线性辐射畸变等问题所导致的匹配难题,提出了一种顾及各向异性加权力矩与绝对相位一致性方向直方图的异源影像匹配方法。首先利用各向异性滤波进行影像非线性扩散,计算影像的相... 针对异源遥感影像之间存在光照差异显著、对比度差异大和非线性辐射畸变等问题所导致的匹配难题,提出了一种顾及各向异性加权力矩与绝对相位一致性方向直方图的异源影像匹配方法。首先利用各向异性滤波进行影像非线性扩散,计算影像的相位一致性最大矩和最小矩,并构造各向异性加权力矩方程,求解得到各向异性加权力矩图;然后对相位一致性模型进行扩展,生成绝对相位一致性方向梯度,并结合对数极坐标描述模板,设计了一种绝对相位方向梯度直方图(histogram of absolute phase consistency gradients,HAPCG);最后利用欧氏距离作为匹配测度进行同点名识别。将多组存在光照、对比度和非线性辐射差异的异源遥感影像作为数据源,分别与尺度不变特征变换(scale invariant feature transform,SIFT)、位置尺度定向不变特征变换(position scale orientation-SIFT,PSO-SIFT)、Log-Gabor直方图描述符(Log-Gabor histogram descriptor,LGHD)和辐射变化不敏感特征变换(radiation-variation insensitive feature transform,RIFT)等方法进行对比实验。结果表明,在异源遥感影像匹配中,所提方法在综合匹配性能上明显优于SIFT、PSO-SIFT和LGHD等方法,其平均同名点匹配数量提升了2倍以上,均方根误差为1.83像素。与RIFT方法相比,在匹配同名点相近的情况下,所提方法可以取得更高的匹配精度,能实现异源遥感影像稳健匹配。 展开更多
关键词 异源遥感影像 各向异性加权力矩 相位一致性 绝对相位方向 绝对相位方向梯度直方图 影像匹配
原文传递
一种改进的偏微分扩散方程的医学超声图像去噪方法
4
作者 张程睿 罗代升 《现代电子技术》 2007年第24期124-126,共3页
研究了偏微分扩散方程在医学超声图像去噪中的应用。首先对各向异性扩散模型的进行分析,为了更好地去除噪声并保留图像的边缘等重要信息,提出了构造新的各向异性加权系数和优化的迭代次数的改进方法,并通过实验证明可达到更好的去噪效果。
关键词 偏微分扩散方程 各向异性加权系数 最佳迭代次数 医学超声图像
下载PDF
Real-variable characterizations of anisotropic product Musielak-Orlicz Hardy spaces 被引量:5
5
作者 FAN XingYa HE JianXun +1 位作者 LI BaoDe YANG DaChun 《Science China Mathematics》 SCIE CSCD 2017年第11期2093-2154,共62页
Let A :=(A_1, A_2) be a pair of expansive dilations and φ : R^n×R^m×[0, ∞) → [0, ∞) an anisotropic product Musielak-Orlicz function. In this article, we introduce the anisotropic product Musielak-Orlicz ... Let A :=(A_1, A_2) be a pair of expansive dilations and φ : R^n×R^m×[0, ∞) → [0, ∞) an anisotropic product Musielak-Orlicz function. In this article, we introduce the anisotropic product Musielak-Orlicz Hardy space H~φ_A(R^n× R^m) via the anisotropic Lusin-area function and establish its atomic characterization, the g-function characterization, the g_λ~*-function characterization and the discrete wavelet characterization via first giving out an anisotropic product Peetre inequality of Musielak-Orlicz type. Moreover, we prove that finite atomic decomposition norm on a dense subspace of H~φ_A(R^n× R^m) is equivalent to the standard infinite atomic decomposition norm. As an application, we show that, for a given admissible triplet(φ, q, s), if T is a sublinear operator and maps all(φ, q, s)-atoms into uniformly bounded elements of some quasi-Banach spaces B, then T uniquely extends to a bounded sublinear operator from H~φ_A(R^n× R^m) to B. Another application is that we obtain the boundedness of anisotropic product singular integral operators from H~φ_A(R^n× R^m) to L~φ(R^n× R^m)and from H~φ_A(R^n×R^m) to itself, whose kernels are adapted to the action of A. The results of this article essentially extend the existing results for weighted product Hardy spaces on R^n× R^m and are new even for classical product Orlicz-Hardy spaces. 展开更多
关键词 anisotropic expansive dilation product Hardy space product Musielak-Orlicz function product Muckenhoupt weight Littlewood-Paley theory atom anisotropic product singular integral operator
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部