低秩稀疏分解与显著性度量的医学图像融合

您当前的位置：

首页 >

文章列表页 >

低秩稀疏分解与显著性度量的医学图像融合

信息光学与图像处理 | 更新时间：2025-09-01

- 低秩稀疏分解与显著性度量的医学图像融合
- Low rank sparse decomposition and the salience measure of medical image fusion
- 光学技术 2018年44卷第4期页码：461-468
- 作者机构：
  
  1:昆明理工大学信息工程与自动化学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(61562053,61302041)
- DOI：10.13741/j.cnki.11-1879/o4.2018.04.014
  中图分类号：
- 纸质出版：2018
- 稿件说明：
移动端阅览
邓志华, 李华锋. 低秩稀疏分解与显著性度量的医学图像融合[J]. 光学技术, 2018,44(4):461-468.

Low rank sparse decomposition and the salience measure of medical image fusion[J]. 2018, 44(4): 461-468.
邓志华, 李华锋. 低秩稀疏分解与显著性度量的医学图像融合[J]. 光学技术, 2018,44(4):461-468. DOI： 10.13741/j.cnki.11-1879/o4.2018.04.014.

Low rank sparse decomposition and the salience measure of medical image fusion[J]. 2018, 44(4): 461-468. DOI： 10.13741/j.cnki.11-1879/o4.2018.04.014.

提出一种低秩稀疏成分分解和显著性相结合的医学图像融合方法。所提方法假设待融合源图像由低秩成分和稀疏成分构成

设计了低秩与稀疏成分分解模型

通过不同的字典对不同成分进行了稀疏表达。在融合过程中采用一种"绝对值"取大的策略对低秩成分融合

以保留源图像的亮度信息;对于稀疏成分

提出一种基于视觉显著性度量的方法来保留显著性特征。实验结果表明

本文方法无论从主观视觉还是客观评价指标上都优于最新的方法。

浏览量

228

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

二元计算全息图制作

基于中智学的非局部先验图像去雾算法

基于结构和纹理感知的变分Retinex去雾算法

视频监控下利用改进型C3D-RF的人群异常行为检测

采用条纹分析的镜头畸变测量与校正