-
公开(公告)号：CN118015114A
公开(公告)日：2024-05-10
申请号：CN202410035614.7
申请日：2024-01-10
Applicant: 重庆大学
IPC: G06T11/00
Abstract: 本发明公开了一种基于张量多维超越p范数约束的动态MRI重构方法，属于数字图像处理领域。它是一种直接处理张量数据并利用超越Schatten‑p范数约束项提高张量三个方向低秩特性的动态MRI图像重构方法。它以张量数据三个方向的低秩特性作为先验知识建立压缩感知重构模型，并通过交替方向乘子法对模型高效求解。本发明采取直接处理张量数据的方式，有效地避免了对其多通道结构的破坏和信息的丢失，保护了张量数据内在结构特性，而同时利用张量数据三个方向的低秩特性，可充分理解图像内部与图像间的相关性，这使得重构的图像整体更清晰，细节和纹理更丰富，重构的准确度更高，对动态MRI图像不同帧的重建效果也更稳定，因此可以应用于动态MRI图像压缩感知领域。
-
公开(公告)号：CN118608642A
公开(公告)日：2024-09-06
申请号：CN202410735075.8
申请日：2024-06-07
Applicant: 重庆大学
Abstract: 本发明公开了一种奇异值方根型范数与图结构约束的CS‑MRI重构方法，属于数字图像处理技术领域。它是一种同时利用奇异值方根型范数约束图像低秩特性和图结构约束项保持图像块间相关性实现MRI重构的方法。首先寻找到目标图像块的相似图像块集合构建结构组，进而利用奇异值方根型范数约束结构组矩阵的低秩特性，并为结构组建立图模型以构建相应的图结构约束项，进一步建立低秩矩阵与图结构联合约束的重构模型，最后采用交替方向乘子法求解该模型。本发明采用的奇异值方根型范数能实现充分的低秩约束，同时约束图的几何结构准确刻画出结构组中各图像块间不同程度的相关性，重构出的图像抑制了大量伪影，保留了清晰细节信息，因此可用于医学图像的恢复。
-
公开(公告)号：CN116543019A
公开(公告)日：2023-08-04
申请号：CN202310515531.3
申请日：2023-05-09
Applicant: 重庆大学
Abstract: 本发明公开了一种基于精确边界框预测的单目标跟踪方法。属于计算机视觉目标跟踪领域。它是一种采用像素点互相关、通道注意力机制和关键点式边界框预测网络相结合的单目标跟踪方法。首先构建基于精确边界框预测的网络模型，并对该模型进行离线训练，其次加载并初始化离线训练的精确边界框预测算法的网络模型，并通过像素互相关操作获得响应特征，最后将响应特征转换得到目标的预测边界框，并更新目标边界框的预测结果，完成对整个视频序列中目标的定位和跟踪。本发明提出一种更加灵活、精确、计算量小的边界框预测模块，有效地提取和维护特征中的空间信息，提高对目标发生尺度变化、旋转和快速运动时的鲁棒性。
-
公开(公告)号：CN116468818A
公开(公告)日：2023-07-21
申请号：CN202310390461.3
申请日：2023-04-12
Applicant: 重庆大学
IPC: G06T11/00 , G06V10/762 , G06V10/764 , G06V10/74 , G06N20/00
Abstract: 本发明公开了一种基于稀疏表示和贝叶斯估计的MRI图像重构方法。属于数字图像处理技术领域。它是一种利用比率型范数约束图像块稀疏表示系数，并对结构组稀疏表示系数进行贝叶斯估计的MRI图像重构方法。首先以聚类后属于不同类别的图像块为对象学习正交字典，并利用比率型范数约束图像块系数的稀疏度，以充分利用图像块内的局部稀疏特性。然后以结构组稀疏系数的统计特性为出发点，通过系数的贝叶斯估计推导出相应的系数约束方式，并建立起基于图像块和结构组同时稀疏表示的MRI图像重构模型，利用交替方向乘子法求解。本发明将图像块局部稀疏表示与结构组非局部的系数估计相结合，避免了单一处理方式难以适应多样性图像的不足。通过本发明方法获得的重构MRI图像可以同时保留整体结构和局部细节，因此可用于医学图像的重构。
-
-
-
Search Results
4
records
(took 0.015 seconds)
