-
题名基于联合稀疏变换学习的工件去噪方法研究
被引量：1
- 1
-
-
作者
刘秀平
薛婷婷
韩丽丽
杜勇辰
张凯兵
闫焕营
-
机构
西安工程大学电子信息学院
西安理工大学机械与精密仪器学院
深圳罗博泰尔机器人有限公司
-
出处
《计算机工程与应用》
CSCD
北大核心
2019年第7期188-193,共6页
-
基金
国家自然科学基金(No.61471161)
陕西省教育厅自然科学基金(No.15JK1305)
2018年度西安工程大学研究生创新基金(No.chx201826)
-
文摘
针对视觉测量中给光好坏会直接影响工件检测精度和效率的问题,提出了一种基于联合稀疏变换学习对不同光源下工件图像去噪的方法。该方法首先从噪声图像中提取噪声图像块,通过稀疏编码和稀疏变换更新交替运算对噪声图像块进行内部聚类变换学习;然后计算每个噪声图像块中聚类信号的稀疏水平,并选择最小稀疏水平作为该去噪块的稀疏水平;最后对去噪块进行聚类并用最后一次迭代去噪块的均值估计去噪图像。实验结果表明,提出的方法对不同光源下工件图像的去噪效果和计算速度均优于其他算法,具有较好的去噪性能。
-
关键词
联合稀疏变换学习
光源
工件图像
去噪块
-
Keywords
union-of-transforms learning
light sources
workpieces pictures
denoising patches
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名图拉普拉斯正则化稀疏变换学习图像去噪算法
被引量：7
- 2
-
-
作者
钱冲
常冬霞
-
机构
北京交通大学计算机与信息技术学院
北京交通大学信息科学研究所
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第5期232-239,共8页
-
基金
中央高校基本科研业务费专项资金(2018JBZ001)。
-
文摘
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。
-
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
-
Keywords
image denoising
sparse transform learning
graph Laplacian regularization
local geometry structures
block matching
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于变换学习的快速多切片MRI重建算法
- 3
-
-
作者
段继忠
刘欢
-
机构
昆明理工大学信息工程与自动化学院
-
出处
《北京航空航天大学学报》
北大核心
2025年第7期2290-2303,共14页
-
基金
国家自然科学基金(61861023)
云南省基础研究计划项目(202301AT070452)。
-
文摘
二维(2D)多切片磁共振数据在相邻切片之间具有高度的相关性,通过利用切片间的冗余性能够重建出更高质量的切片图像,但由于硬件条件的限制,2D多切片磁共振成像(MRI)需要耗费大量时间。为提高2D多切片磁共振图像的重建质量和重建速度,将联合稀疏变换学习正则项引入到多切片Hankel张量完成(MS-HTC)模型中,提出一种快速2D多切片磁共振成像重建(FMS-JTLHTC)算法。该算法使用交替方向乘子法对目标问题进行求解;引入快速迭代收缩阈值法加快收敛,并使用图形处理器对算法进行加速。使用4组脑部数据集在2种不同采样模式下进行实验,结果表明:FMS-JTLHTC算法的峰值信噪比(PSNR)相较于同时自动校准和K空间估计(SAKE)算法、并行成像数据的局部K空间领域的低秩建模(PLORAKS)算法和MS-HTC算法分别平均提高了4.04 dB、3.67 dB和2.07 dB,而且重建速度相比MS-HTC算法提高了14倍。
-
关键词
多切片磁共振成像
Hankel张量完成
联合稀疏变换学习
交替方向乘子法
快速迭代收缩阈值法
-
Keywords
multi-slice magnetic resonance imaging
Hankel tensor completion
joint sparse transform learning
alternating direction multiplier method
fast iterative shrinkage-thresholding algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
