排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
1.
基于TV/L2模型的总变差最小化方法在图像分解过程中受到正则化参数的影响。本文通过分析发现,当不同于经典模型而设置较小的正则化参数时,分解的图像特性发生了重要改变。据此,本文提出了一种新的基于TV/L2模型的双极性图像细节分解方法,该方法在正则化参数较小的情况下将观测图像分解为一个近似图像分量和两个具有正、负不同极性并反映不同信息的细节图像分量。将这种新的图像分解方法应用于印刷电路板CT图像的处理中。实验结果表明,通过综合利用本图像分解方法得到的图像细节信息,可以在有效抑制金属伪影的同时增强PCB图像中的有用信息。 相似文献
2.
基于TV/L2模型的总变差最小化方法在图像分解过程中受到正则化参数的影响.本文通过分析发现,当不同于经典模型而设置较小的正则化参数时,分解的图像特性发生了重要改变.据此,本文提出了一种新的基于TV/L2模型的双极性图像细节分解方法,该方法在正则化参数较小的情况下将观测图像分解为一个近似图像分量和两个具有正、负不同极性并反映不同信息的细节图像分量.将这种新的图像分解方法应用于印刷电路板CT图像的处理中.实验结果表明,通过综合利用本图像分解方法得到的图像细节信息,可以在有效抑制金属伪影的同时增强PCB图像中的有用信息. 相似文献
3.
不完全角度重建问题一直是CT图像重建领域研究的重点和难点。目前,通常的不完全角度重建方法是基于空域的迭代方法,但由于正反投影的高计算复杂度,空域迭代方法存在计算耗时,对硬件资源需求大等问题。本文提出了一种基于外推的邻近网格迭代算法（INNG-TV）。首先,平行束采样的数据通过傅里叶变换和样条插值到频域空间,然后在迭代的过程中,傅立叶空间投影已知部分的数据始终不变,缺失部分数据通过对重建图像进行INNG外推得到,同时在图像空间对重建图像做非负、最小化总变分等先验及优化约束。 相似文献
1