作者:邱红梅; 李华锋; 余正涛稀疏表示字典学习医学图像融合正交匹配追踪
摘要:针对传统基于K阶奇异值分解(KSVD)的字典学习算法时间复杂度高,学习字典对源图像的表达能力不理想,应用于医学图像融合效果差的问题,提出了一种新的字典学习方法:在字典学习之前对医学图像的特征信息进行筛选,选取能量和细节信息丰富的图像块作为训练集学习字典;根据学习得到的字典建立源图像的稀疏表示模型,运用正交匹配追踪算法(OMP)求解每个图像块的稀疏系数,采用'绝对值最大'策略构造融合图像的稀疏表示系数,最终得到融合图像。实验结果表明:针对不同的医学图像,提出的方法有效。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社