共查询到20条相似文献,搜索用时 15 毫秒
1.
《实验室研究与探索》2015,(11)
信号稀疏基的构造,关系信号稀疏表示的程度,进而影响应用压缩感知对信号进行恢复重构的效果。针对这一问题,多种字典学习算法如KSVD,OLM等予以提出;这些算法使用重叠的图像块来构建字典,产生了大量稀疏系数,从而导致过拟合及计算过缓,且不能确保收敛;基于此,设计一种基于近端梯度的快速字典学习算法。算法在分析近端梯度求解多重凸优化问题的基础上,将其应用于字典学习涉及的优化求解上,降低了每次迭代的复杂度,减少了迭代开销,同时能够确保收敛。在合成数据上的实验表明,该算法字典学习速度快,所耗时间短,且获得的字典更好。 相似文献
2.
《实验室研究与探索》2017,(11):118-121
目前机器学习算法大都采用单层字典的学习训练设计,现从改进视觉效果、分辨率2个角度,设计了2层字典混合学习算法。采用经典的半耦合字典学习(SCDL)和模糊模型处理结合作为第1层字典学习,第2层则是针对第1层的残余图像进行重构,结合K值聚类以及K-SVD算法设计了第2层字典的训练过程。与经典SCSR、SCDL算法对比实验结果表明:改进算法的峰值信噪比与其他2种算法有了4%左右的提高,提高值在1 d B以上,表明了算法能够一定程度的提高重构图像的分辨率;算法的对比视觉效果看出,改进的算法能够明显改进重构质量,实现了图像视觉效果的改善。由于算法并不是以牺牲算法运算时间、速度为代价,这样其研究结果对于机器学习在图像领域的进一步推广与发展具有一定的参考价值。 相似文献
3.
李红 《咸阳师范专科学校学报》2013,(6):36-39
稀疏表示能够有效地表示图像的固有特征,利用KSVD学习算法对30幅自然图像训练得到了鲁棒的字典,利用“滑窗”策略对两幅源图像进行分块,使用OMP算法在字典上对各图像块进行稀疏分解,分解后的系数采用系数绝对值选大法进行融合,进而得到融合后和图像块.理论分析与实验结果表明,该方法能够有效地对已配准的待融合图像进行融合,融合后的结果无论是视觉效果还是客观评价参数均优于文中对比方法的效果. 相似文献
4.
针对小波变换会造成细节信息的丢失,以及红外与可见光图像融合时信息会相互干扰,导致综合性能不佳的问题,提出了基于SR和FFST-PCNN的红外与可见光图像的融合算法。利用FFST把源图像分解成低频和高频系数;用K-SVD方法训练低频系数得到过完备字典D,并融合低频系数。采用高频系数来激励脉冲耦合神经网络,并根据点火的次数融合高频系数。通过FFST逆变换把融合的低频、高频系数重构为融合图像。实验结果表明,该算法的融合图像在主观的视觉效果以及客观质量评价指标上都取得了很好的效果。 相似文献
5.
一般情况下,通过在血管中注入造影剂在X光下所显示的影像来检测血管会受背景噪声、血管形态模糊和目标混杂等影响,鉴于此,提出一种基于过完备字典的图像稀疏表示的血管检测方法。该方法先建立一个关于血管图像的背景图像的过完备字典,然后用SRC算法会得到一个系数矩阵,并利用系数矩阵与字典矩阵相乘,便能重构出一个底板图像。为了突出血管,只需将重构的底板图像与原图像做相减,这样得到的新图像就能去除噪声,使血管能在视网膜眼底图像中更清晰地显示出来。实验结果表明,该方法对于视网膜眼底图像处理效果良好,使视网膜眼底图像中的血管能更容易被检测到。 相似文献
6.
7.
提出一种基于正则化方法的K均值奇异值分解(K-SVD)算法。新算法在更新字典阶段,建立一种正则化模型,针对经典K-SVD算法中每次原子更新,引入正则项参与字典更新过程,将每次更新原子所产生的误差限制在设定范围内完成原子更新。在K-SVD算法正则化模型基础上,对K-SVD的衍生算法近似K-SVD(Approximate K-SVD)进行了研究,提出了适用于AK-SVD的正则化模型。实验结果表明,新模型训练字典的误差相较于传统算法缩小了13.8%。将训练字典用于图像去噪时发现,新模型下字典重构出图像的峰值信噪比(PSNR)比传统算法提升0.5dB左右。 相似文献
8.
《西安文理学院学报》2021,(2)
压缩感知理论突破了香农采样定律中对信号采样频率的限制.测量矩阵的构造是压缩感知理论中一个重要的部分.减小传感矩阵的互相干系数,选择性能较好的测量矩阵,能够提高重构质量.设计了EigGrd算法,Gram矩阵是由测量矩阵和稀疏变换矩阵乘积构成,使用特征值分解对Gram矩阵进行初始化,在稀疏变换矩阵固定的情况下,利用梯度下降法迭代优化传感矩阵,使得传感矩阵互不相干系数达到最大,从而优化了测量矩阵.在仿真实验中,将该方法与已知的测量矩阵比较,用优化的测量矩阵在图像重建中有着较高的峰值信噪比.表明了该方法优化的测量矩阵在图像重构精度上有着一定的优势. 相似文献
9.
《洛阳师范学院学报》2017,(8):32-35
针对已有图像重建算法分辨率低、需要大量计算的问题,本文提出了一种基于感知字典和数据自适应性的稀疏重建算法.首先,针对图像的数据结构,对样本数据进行超完备字典的训练,继而通过针对性的字典对图像进行稀疏重建.同时,为进一步改善算法的重建性能,并充分利用图像的有效信息,本文构造了数据自适应的感知字典.实验表明,该算法在不影响图像重建精确度的前提下可以减少计算复杂度,并具有良好的鲁棒性和较高的效率. 相似文献
10.
不完全投影数据图像重建为降低照射剂量提供了一个新的解决方案。在K SVD字典学习算法中,由于选取K SVD算法中的初始化字典对训练得到的自适应字典构造有影响,因此通过引进一个稀疏初始化字典矩阵,使K SVD字典学习算法能更好地适应于稀疏图像重建。在此基础上,提出了一种基于改进的K SVD字典学习和SART重建算法相结合的图像重建算法。实验结果表明,该算法能够在投影数据不完备的情况下准确地重建出图像,同时保留图像的细节分量,提高重建图像的质量,尤其是可以减少由于投影数据不完备而造成的条状伪影现象。 相似文献
11.
提出一种无损的数据压缩的字典方法,称为特征码字典方法(CCD).该方法采用了分片管理以及变码长等技术,能较大程度上消除数据文件中的冗余,达到较好的压缩效果. 相似文献
12.
13.
高光谱图像是一种具有高光谱分辨率的遥感图像,相比于多光谱图像,具有较多的波段数.这些波段之间存在较强的相关性,因而波段间也存在着冗余性.如何合理减少高光谱图像波段间的相关性,有效去除冗余,就成为高光谱图像处理研究的一个关键问题.基于此,对高光谱图像的相关特性进行了分析和研究. 相似文献
14.
15.
16.
高光谱图像具有光谱分辨率高的特点,包含了大量可区分不同地物的光谱信息,在异常目标探测领域具有独特的优势.高光谱的光谱维度较高,容易导致信息冗余,使高光谱图像异常目标与背景不容易被区分出来.为了解决这个问题,提出了一种改进的基于密度峰值背景纯化的高光谱图像异常目标检测算法.通过一个极限学习网络,获得一个低维的特征空间;计算双窗内像元的局部密度,滤除背景中的异常目标获得纯背景集;用协同表示算法进行异常检测,避免对背景进行假设及估计.实验表明该方法AUC值更高,能更好地实现异常目标和背景的分离,有效地对高光谱图像进行异常目标检测,同时部分数据集的检测时间也得到了一定程度的缩短. 相似文献
17.
《实验技术与管理》2020,(3)
现有算法大多假设输入图像是不含有噪声的。但与实际情况相反,在生活中获得的图像多数是含有噪声的。本文对含噪图像的超分辨率重建问题进行研究,并提出一种可以快速实现的算法。首先,借鉴传统算法中高、低分辨率字典的训练方法,在此基础上将低分辨率图像块的纹理结构加入字典的训练过程。值得注意的是,这里的低分辨率图像块和高分辨率图像块具有相同的图像尺寸,前者是通过双立方插值得到的。其次,由于字典训练过程中使用的实例图像是不含有噪声的,因此面对不同程度噪声的输入图像并不需要重新训练字典。在重建过程中,通过使用稀疏字典的列原子作为匹配对象从而大大降低了计算成本,并对输入的特征向量和稀疏字典做了归一化处理,提高了精度。根据输入的特征向量和匹配对象的相似程度选择k个相似块,并通过权重限制模型完成对相似块的权值分配,从而重构出对应的高分辨率图像块。最后,通过加权平均重建了原始估计的高分辨率图像和去噪后的低分辨率图像,再将两幅重建图像与迭代反投影相结合,得到最终估计的高分辨率图像。在自然图像上验证了本文算法,并与先前报道的算法进行比较,其结果优于其他算法并具有较好的鲁棒性。 相似文献
18.
19.
字典序下的Grobner基,在解多元多项议程组上应用较有效,但按字典序计算相当费时,而且机器容量也是一个重要因素。若按全次数字典序求Grobner基,再用文[2]的方法,就可确了实现时的困难。 相似文献