图像的先验信息在降低CS反演的计算复杂度和提高重建质量方面起着重要作用。 本文提出了一种基于小波的多元追踪算法，该算法利用了图像的先验信息，而这些信息超越了简单稀疏性。 所提出的方法以多变量方式从多次测量中重建图像小波系数，并以提取的图像边缘作为先验信息来指导算法在CS恢复中的追踪过程。 通过边缘信息与多元联合恢复的交互作用，该算法显着提高了边缘明显，稀疏度高的CT，MRI等图像的重建质量。 数值实验表明，与其他最新的CS算法相比，所提出的算法具有更高的重构质量并保持更高的计算效率。
2021-03-10 14:10:10
1.42MB
1
Krishnan于2009年在NIPS上发表的Fast Image Deconvolution using Hyper-Laplacian Priors的个人翻译。翻译仅代表个人粗浅的理解，格式也是自己随意排版的，不一定准确，也希望各位多多批评指正，广泛交流
2021-03-08 16:04:31
1.48MB
1
文中在研究现有先验知识与支持向量机融合的基础上，针对置信度函数凭经验给出的不足，提出了一种确定置信度函数方法，更好地进行分类。该方法是建立在模糊系统理论的基础上：将样本的紧密度信息作为先验知识应用于支持向量机的构造中，在确定样本的置信度时，不仅考虑了样本到所在类中心之间的距离，还考虑样本与类中其它样本之间的关系，通过模糊连接度将支持向量与含噪声样本进行区分。文中将基于先验知识的支持向量机应用于医学图像分割，以加拿大麦吉尔大学的brainWeb模拟脑部数据库提供的不同噪声的图像进行实验，实验结果表明采用基于先验知识的支持向量机比传统支持向量机具有更好的抗噪性能及分类能力。
2021-01-30 23:04:49
843KB
1
通过MATLAB仿真实验深刻反映数字信号最佳接收机原理及最佳接收准则，从而掌握二进制却只信号最佳接收机的设计。
2020-04-24 03:03:26
53KB
1