公开(公告)号：CN112507962A

公开(公告)日：2021-03-16

申请号：CN202011530046.6

申请日：2020-12-22

Applicant: 哈尔滨工业大学

Inventor： 张钧萍 ,  仲崇潇

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06F17/11

Abstract: 基于卷积稀疏分解的高光谱图像多尺度特征提取方法，属于图像处理技术领域，本发明为解决高光谱图像多尺度特征提取有效性差、图像分类精确度低的问题。它将图像信号输入至稀疏表示模型中，合成稀疏模型将图像信号采用合成稀疏字典中基元的线性组合进行表示，分析稀疏模型将图像信号经过分析字典投影，获得具有稀疏性质的投影系数；建立卷积稀疏分解模型，分别将合成稀疏模型和分析稀疏模型的先验知识添加到卷积稀疏分解模型的两个部分，然后对卷积稀疏分解模型求解；对图像信号采用分段平均的方法进行光谱降维，对降维获得图像进行多尺度空间的频谱特征提取，采用主成分分析法提取多尺度的空间频谱特征。本发明用于对高光谱图像进行特征提取。

公开(公告)号：CN106530258B

公开(公告)日：2019-04-16

申请号：CN201611034689.5

申请日：2016-11-22

Applicant: 哈尔滨工业大学

Inventor： 胡悦 ,  仲崇潇 ,  卢鑫 ,  赵旷世

IPC: G06T5/00

Abstract: 一种基于高阶全变分正则化的快速迭代磁共振图像重建方法，涉及磁共振成像技术领域，为了提高重建图像质量及计算效率。包括以下步骤：(1)获取部分k空间数据；(2)建立磁共振图像重建模型；(3)对部分k空间数据直接进行傅里叶逆变换，得到空间域预估磁共振图像作为初始重建图像；(4)重建模型的快速迭代求解；(5)获得本次迭代得到的磁共振重建图像；(6)判断当前重建图像结果是否满足收敛条件；(7)增加迭代参数取值，以当前迭代步骤中更新的磁共振图像为初始重建图像，返回步骤(5)继续进行循环迭代操作。与全变分方法、图像高阶导数Laplacian方法、小波方法等相比，本发明能获得质量较高的重建图像，并提高重建速度。

公开(公告)号：CN106530258A

公开(公告)日：2017-03-22

申请号：CN201611034689.5

申请日：2016-11-22

Applicant: 哈尔滨工业大学

Inventor： 胡悦 ,  仲崇潇 ,  卢鑫 ,  赵旷世

IPC: G06T5/00

CPC classification number: G06T5/003 ,  G06T2207/10088 ,  G06T2207/20056

Abstract: 一种基于高阶全变分正则化的快速迭代磁共振图像重建方法，涉及磁共振成像技术领域，为了提高重建图像质量及计算效率。包括以下步骤：(1)获取部分k空间数据；(2)建立磁共振图像重建模型；(3)对部分k空间数据直接进行傅里叶逆变换，得到空间域预估磁共振图像作为初始重建图像；(4)重建模型的快速迭代求解；(5)获得本次迭代得到的磁共振重建图像；(6)判断当前重建图像结果是否满足收敛条件；(7)增加迭代参数取值，以当前迭代步骤中更新的磁共振图像为初始重建图像，返回步骤(5)继续进行循环迭代操作。与全变分方法、图像高阶导数Laplacian方法、小波方法等相比，本发明能获得质量较高的重建图像，并提高重建速度。