[发明专利]一种基于字典学习和低秩表示的医学图像融合方法在审
| 申请号： | 201910850346.3 | 申请日： | 2019-09-10 |
| 公开（公告）号： | CN110428392A | 公开（公告）日： | 2019-11-08 |
| 发明（设计）人： | 王沫楠;商夕平 | 申请（专利权）人： | 哈尔滨理工大学 |
| 主分类号： | G06T5/50 | 分类号： | G06T5/50;G06K9/46;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150080 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种基于字典学习和低秩表示的医学图像融合方法，该方法包括以下步骤：首先，使用窗口滑动技术分割图像，并根据梯度直方图特征(HOG)对多源图像样本进行分类；其次，将其转换成向量，进行字典学习，通过多次迭代奇异值分解方法(K‑SVD)训练字典；然后使用低秩表示(LRR)方法，获得低秩表示的系数；再然后通过1范数最大原则以及融合规则，获得初步的融合图像；最后通过图像补偿，来获得最终的融合图像。本发明不管是在图像主观视觉方面，还是客观指标方面，到达到良好效果，获得质量较好的融合图像。 | ||
| 搜索关键词： | 低秩 融合图像 字典学习 医学图像 融合 奇异值分解 梯度直方图 多次迭代 多源图像 分割图像 滑动技术 客观指标 视觉方面 图像补偿 图像主观 训练字典 范数 向量 样本 转换 分类 | ||
【主权项】：
1.一种基于字典学习和低秩表示的医学图像融合方法，其特征在于，该方法主要包括：步骤1，对已经配准的两幅源图像[I1,I2]使用滑动窗口技术分割成图像块，计算分割后的图像块的方向梯度直方图(HOG)，并根据HOG特征对图像块进行分类，假设I1和I2的尺寸为M×N；步骤2，将分类后的图像进行稀疏表示，使用多次迭代奇异值分解方法(K‑SVD)训练多个字典；步骤3，将获得的多个字典合成一个字典，使用低秩表示(LRR)方法表示源图像，获得低秩表示的系数；步骤4，通过1范数最大原则进行低秩系数的选择，并按照活动量级基于邻域的改进拉普拉斯算子的加权和WSEML计算权重进行融合，获得初步的融合图像；步骤5，对获得的初步融合图像进行图像补偿，获得最终的融合图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨理工大学，未经哈尔滨理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910850346.3/，转载请声明来源钻瓜专利网。
- 上一篇：用以去除鬼影假象的图像融合方法及装置
- 下一篇：解析装置以及解析程序
