基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着医院数字化医疗进程的加快,医学影像的数据量日益增大,医学影像资料的存储空间和获取速度受到很大的限制。文章在研究主流字典学习算法基础上,提出使用不同尺度的 MOD、K-SVD、ILS-DLA、RLS-DLA 字典算法对 DI-COM 图像进行压缩存储,以及恢复再现的方法。与经典的 JPEG 和 JPEG2000压缩算法相比,字典学习算法压缩和恢复效果较好,特别是采用较小尺度的字典时,压缩效果更为突出:当压缩比为20时,采用4×4尺度的 RLS-DLA 字典,论文算法的峰值信噪比(PSNR)较 JPEG 算法高出7.8 dB,比 JPEG2000算法高出1 dB。
推荐文章
基于核字典学习的图像分类
目标分类
稀疏表示
核字典学习
线性鉴别分析
支持向量机
基于学习字典的图像类推方法
图像类推
稀疏表示
学习字典
l1范数
基于字典学习的图像稀疏去噪算法
稀疏字典
K-SVD算法
字典学习
稀疏去噪
以图像分类为目标的字典学习算法
图像分类
稀疏表示
字典训练
原子
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 字典学习中字典尺度对 DICOM 图像压缩的影响
来源期刊 液晶与显示 学科 工学
关键词 字典学习 图像压缩 DICOM 图像 字典尺度
年,卷(期) 2015,(6) 所属期刊栏目 成像技术与图像处理
研究方向 页码范围 1045-1051
页数 7页 分类号 TP391.41
字数 3828字 语种 中文
DOI 10.3788/YJYXS20153006.1045
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈菲 西南科技大学计算机科学与技术学院 23 78 5.0 7.0
2 贾小林 西南科技大学计算机科学与技术学院 23 41 4.0 5.0
3 杨勇 10 14 2.0 3.0
4 刘雨娇 西南科技大学计算机科学与技术学院 3 19 2.0 3.0
5 酉霞 西南科技大学计算机科学与技术学院 3 19 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (19)
共引文献  (12)
参考文献  (9)
节点文献
引证文献  (4)
同被引文献  (6)
二级引证文献  (7)
1993(2)
  • 参考文献(1)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(8)
  • 参考文献(1)
  • 二级参考文献(7)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(6)
  • 引证文献(1)
  • 二级引证文献(5)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
字典学习
图像压缩
DICOM 图像
字典尺度
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
液晶与显示
月刊
1007-2780
22-1259/O4
大16开
长春市东南湖大路3888号
12-203
1986
chi
出版文献量(篇)
3141
总下载数(次)
7
总被引数(次)
21631
论文1v1指导