• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Symposium on Biomedical Imaging >Adaptive Weighted Minimax-Concave Penalty Based Dictionary Learning for Brain MR Images
【24h】

Adaptive Weighted Minimax-Concave Penalty Based Dictionary Learning for Brain MR Images

机译：基于自适应加权极大极小凹罚的脑MR图像字典学习

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We consider adaptive weighted minimax-concave (WMC) penalty as a generalization of the minimax-concave penalty (MCP) and vector MCP (VMCP). We develop a computationally efficient algorithm for sparse recovery considering the WMC penalty. Our algorithm in turn employs the fast iterative soft-thresholding algorithm (FISTA) but with the key difference that the threshold is adapted from one iteration to the next. The new sparse recovery algorithm when used for dictionary learning has a better representation capability as demonstrated by an application to magnetic resonance image denoising. The denoising performance turns out to be superior to the state-of-the-art techniques considering the standard performance metrics namely peak signal-to-noise ratio (PSNR) and structural similarity index metric (SSIM).
机译：我们将自适应加权最小极大凹（WMC）罚分作为最小极大凹罚（MCP）和矢量MCP（VMCP）的推广。考虑到WMC损失，我们针对稀疏恢复开发了一种计算有效的算法。我们的算法又采用了快速迭代的软阈值算法（FISTA），但关键的区别在于阈值是从一次迭代适应到下一次迭代。新的稀疏恢复算法在用于字典学习时具有更好的表示能力，这在磁共振图像去噪中得到了证明。考虑到标准性能指标，即峰值信噪比（PSNR）和结构相似性指标指标（SSIM），降噪性能优于现有技术。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号