后缀数组模板

 1 ///后缀数组模板
 2 sa[i]表示所有后缀按字典数排序后以s[i]
 3 开始的后缀排在第i位。height[i]表示字典数为i和i-1后缀的
 4 的最长串的前缀。
 5 int s[mx],sa[mx],t[mx],t2[mx],c[mx],n;
 6 int rank[mx],height[mx];
 7 
 8 void build_sa(int m)
 9 {
10     int i,*x=t,*y=t2;
11     for (i=0;i<m;i++) c[i]=0;
12     for (i=0;i<n;i++) c[x[i]=s[i]]++;
13     for (i=1;i<m;i++) c[i]+=c[i-1];
14     for (i=n-1;i>=0;i--) sa[--c[x[i]]]=i;
15     for (int k=1;k<=n;k<<=1)
16     {
17         int p=0;
18         for (i=n-k;i<n;i++) y[p++]=i;
19         for (i=0;i<n;i++) if (sa[i]>=k) y[p++]=sa[i]-k;
20         for (i=0;i<m;i++) c[i]=0;
21         for (i=0;i<n;i++) c[x[y[i]]]++;
22         for (i=1;i<m;i++) c[i]+=c[i-1];
23         for (i=n-1;i>=0;i--) sa[--c[x[y[i]]]]=y[i];
24         swap(x,y);
25         p=1;
26         x[sa[0]]=0;
27         for (i=1;i<n;i++)
28         x[sa[i]]=y[sa[i-1]]==y[sa[i]]&&y[sa[i-1]+k]==y[sa[i]+k]?p-1:p++;
29         if (p>=n) break;
30         m=p;
31     }
32 }
33 
34 void getHeight()
35 {
36     int i,j,k=0;
37     for (i=0;i<n;i++) rank[sa[i]]=i;
38     for (i=0;i<n;i++)
39     {
40         if (k) k--;
41         int j=sa[rank[i]-1];
42         while (s[i+k]==s[j+k]) k++;
43         height[rank[i]]=k;
44     }
45 }

 

转载于:https://www.cnblogs.com/pblr/p/5720276.html

内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值