基于K-SVD的医学图像特征提取和融合

医学图像融合能够综合两种不同模态图像的信息,从而帮助医生做出准确的诊断和治疗.利用稀疏表示进行图像的特征提取和融合.首先由原始图像组成联合矩阵,通过K-SVD算法得出这个联合矩阵的冗余字典并求出联合矩阵的稀疏编码;然后将稀疏系数作为图像特征,并采用最大化选择算法合并相对应图像块的稀疏编码;最后通过稀疏编码和冗余字典得到融合图像.与3种流行的融合算法比较,结果表明所提算法在无噪声和有噪声的情况下都具有很好的性能.     

基于测地距离的超像素生成方法

超像素能够捕获图像的冗余信息,从而大大降低图像处理后续任务的复杂度.尽管很多分割算法都能生成超像素,但所生成的超像素大多具有高度的不规则性,大小和形状变化很不一致,而且很难控制其个数.利用图像曲面的内蕴几何,即测地距离来衡量像素间的相似性,提出了一个算法简单的、具有线性复杂度的超像素生成方法,能够生成形状近似规则的、分布均匀的、有指定个数的超像素.实验表明,对于不同复杂度的图像,该方法均能取得较好的结果.     

基于广义秩模型的分数低阶协方差波束形成

在广义秩信号模型基础上,设计了一种鲁棒波束自适应波束形成方法。通过引入分数低阶变换来抑制非高斯稳定分布噪声, 提出脉冲噪声环境下能够处理信号失配的鲁棒波束形成器算法,并讨论了分数低阶协方差矩阵的可逆性。由于采用Frobenius范数建立明确的模型来刻画期望阵列响应与数据的协方差矩阵之间的不确定性,因此所提算法具有解析闭合形式解。仿真结果表明：与传统波束形成算法相比,所提算法在脉冲稳定分布噪声和信号失配同时存在的情况时具有更好的鲁棒性。