| 结合潜在低秩分解和稀疏表示的脑部图像融合 |
| |
| 作者姓名： | 张亚加 邱啟蒙 刘恒 邵建龙 |
| |
| 作者单位： | 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,昆明理工大学 信息工程与自动化学院,云南 昆明 650500,昆明理工大学 信息工程与自动化学院,云南 昆明 650500,昆明理工大学 信息工程与自动化学院,云南 昆明 650500 |
| |
| 基金项目： | 国家自然科学基金(61302042)和昆明理工大学教育技术研究项目(2506100219)资助项目 |
| |
| 摘 要： | 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。
|
| 关 键 词： | 潜在低秩分解 多范数加权度量 脑部图像 稀疏表示(SR) 融合指标 |
| 收稿时间： | 2022-05-21 |
| 修稿时间： | 2022-10-17 |
|
| 点击此处可从《光电子．激光》浏览原始摘要信息 |
|
点击此处可从《光电子．激光》下载全文 |
|
