基于学习局部几何相似性医学图像放大.pdfVIP

基于学习局部几何相似性医学图像放大.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
ISSN 1000-9825, CODEN RUXUEW E-mail: jos@ Journal of Software , Vol.20, No.5, May 2009, pp.1146− 1155 doi: 10.3724/SP.J.1001.2009.03546 Tel/Fax: +86-10 © by Institute of Software , the Chinese Academy of Sciences . All rights reserved. ∗ 基于学习的局部几何相似性的医学图像放大 1,2 1,2+ 3 潘 琪 , 罗笑南 , 朱继武 1( 中山大学 信息科学与技术学院,广东 广州 510275) 2(教育部数字家庭重点实验室( 中山大学),广东 广州 510275) 3(广东药学院 医药商学院,广东 广州 510006) Learning-Based Medical Image Magnification Algorithm by Local Geometric Similarity PAN Qi1,2, LUO Xiao-Nan1,2+, ZHU Ji-Wu3 1(School of Information Science and Technology (SIST), SUN YAT-SEN University, Guangzhou 510275, China) 2(Key Laboratory of Digital Life (SUN YAT-SEN University), Ministry of Education, Guangzhou 510275, China) 3(Department of Marketing, Guangdong Pharmaceutical University, Guangzhou 510006, China) + Corresponding author: E-mail: lnslxn@, Pan Q, Luo XN, Zhu JW. Learning-Based medical image magnification algorithm by local geometric similarity. Journal of Software, 2009,20(5):1146−1155. /1000-9825/3546.htm Abstract : Image magnification is an important technology in medical image processing. High detail areas in medical images most often have a definite geometric structure or pattern, such as in the case of edges. This paper proposes a learning-based method. Geometric features extracted from the available neighboring pixels in the Low-resolution (LR) image form the training set. Assuming the training set is locally

文档评论(0)

sxym26 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档