【摘 要】
：
传统医学超声成像射频信息存储数据量大,传输耗时且成本高.基于稀疏化的压缩传感技术,研究超声图像的稀疏特性,利用离散余弦变换(DCT)对原始超声图像进行稀疏变换,在稀疏域内进行压缩采样获得降采样数据,然后通过求解L1范数重构原始图像.理论和实验表明,该方法可以很好地应用到超声图像的重构中,且随着稀疏度的减小和测量值的增加,重构图像的峰值信噪比(PSNR值)增加,重构图像的视觉效果较好.
论文部分内容阅读
传统医学超声成像射频信息存储数据量大,传输耗时且成本高.基于稀疏化的压缩传感技术,研究超声图像的稀疏特性,利用离散余弦变换(DCT)对原始超声图像进行稀疏变换,在稀疏域内进行压缩采样获得降采样数据,然后通过求解L1范数重构原始图像.理论和实验表明,该方法可以很好地应用到超声图像的重构中,且随着稀疏度的减小和测量值的增加,重构图像的峰值信噪比(PSNR值)增加,重构图像的视觉效果较好.
其他文献
对长江三角洲地区污泥的分析结果表明:脱水剩余污泥中总全氟有机酸(PFAs)的浓度范围为122~1098ng/g,其中三氟乙酸(TFA)和五氟丙酸(PFPrA,除S13未检出外)一般是污染水平最高的两种PFAs,分别为107~562ng/g和4.41~395ng/g,占总PFAs的12%~93%和0.7%~61%,这充分说明在以后的监测中需要将超短链PFAs纳入检测范围.尽管全氟辛酸(PFOA)和全
以大规模风电中接入为背景,建立了计系统态和动态安全性价值电源、电网统一规模型.在安全性价值评估中,以日前组组合为工具,以预测规水平年时序负荷和风电出力数据为础,通过全年逐时段仿真,评估对可能发生预事故进行预防控制和紧控制带来发电燃料成本、环成本以切、切负荷成本,同时计入负荷和风电出力不确定性引起控制措施无效时社会损失,从而为规方案安全性评估提供了一个系统方法,也将电力系统规视角从传统技术经济评估拓
针对实际大电力系统电磁暂态仿真耗时长问,本文出了一种频率关外部系统等值新方法,以加快电磁暂态仿真速度.该方法从外部系统端口纳混合矩阵出发,设计有效算法把端口纳混合矩阵函数行列式直接转成端口纳多项式;进而出了分步求解措施,实现对实际大系统端口纳多项式函数求解.在此基础上,对二端口网络纳函数重根特点进行了研究,了应命;基于此命及留数定理,把由端口纳函数行列式转化而纳多项式函数进一步化成纳有理函数式,基
2012年4月11日,公安部在北京组织召开"2012年信息安全等级保护形势报告会",公安部网络安全保卫局、北京市公安局网安总队,54个行业主管部门信息安全等级保护联络员,中国工程院院士沈昌祥、方滨兴等25位等级保护安全建设指导专家委员会专家以及公安部信息安全等级保护评估中心等6家测评机构代表,共100余人参加了会议。中国工程院院士沈昌祥、公安部网络安全保卫局副局长赵林在会上作了专题报告,公安部网络
本报讯(本网讯)由中国金融认证中心(CFCA)联合近50家商业银行共同举办的"网银卫士安全行动月"活动于2012年6月8日在京举办新闻发布会,正式拉开活动帷幕。本次新闻发布会由公安部网络安全局、中国人民银行支付司、中
现代商业竞争中,"商业秘密"成为能给企业带来巨大竞争优势的"秘密武器",越来越受到企业家们的重视。而这种"秘密武器"最主要是依靠企业自身力量加以适当防护,若等到求助于法律手段,则往往已构成后果较为严重的失
本文首先从器件有源区耗尽过程分析表明AlGaN/GaN HEMTs器件具有与传统Si功率器件不同的耗尽过程,针对AlGaN/GaN HEMTs器件特殊的耐压机理,提出了一种降低表面电场,提高击穿电压的新型RESURF AlGaN/GaN HEMTs结构.新结构通过在极化的AlGaN层中引入分区负电荷,辅助耗尽二维电子气,有效降低了引起器件击穿的栅极边缘高电场,并首次在漏极附近引入正电荷使漏端高电场
文中论述了三值光学处理器的重构原理、重构结构和重构操作,给出了三值光学运算器和运算基元的典型结构、分类、命名、重构电路、重构指令和重构例程.文中还对三值光学计算机的高速度性能和低功耗性能作了简单分析.最后描述了一位运算基元的重构实验,实验结果表明本文论述的可重构三值光学处理器原理正确,重构器件和重构指令有效.
本文针对传统的基于相似性的层次聚类算法存在的两个问题(相似性度量中方向信息的丢失和算法的适应能力弱)提出了一种带有信息反馈的凝聚层次聚类算法.首先将无法预知的复杂数据结构描述成3个基本的结构特征单元,并对其进行建模构建一种相似性度量定义的泛型和一种凝聚的层次聚类算法.在凝聚的层次聚类算法中加入类信息的反馈机制,并在不同阶段对相似性定义的泛型进行具体化,充分利用数据点对之间的方向信息和距离信息进行聚
当前在计算机视觉领域,场景识别尽管取得了较大进展,但其对于计算机视觉而言,仍然是一个极具挑战的问题.此前的场景识别方法,有些需要预先手动地对训练图像进行语义标注,并且大部分场景识别方法均基于"特征袋"模型,需要对提取的大量特征进行聚类,计算量和内存消耗均很大,且初始聚类中心及聚类数目的选择对识别效果有较大影响.为此本文提出一种不基于"特征袋"模型的无监督场景识别方法.先通过亚采样构建多幅不同分辨率