共查询到18条相似文献，搜索用时 222 毫秒
1.
2.
《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
3.
图像稀疏表示是指用很少的数据捕获感兴趣目标的重要信息的能力,通过基或字典中很少量元素的线性组合的形式来描述信号.图像稀疏表示研究已成为近年来图像表示研究的热点.本文系一文献综述,主要阐述了信号稀疏表示和图像稀疏表示的基本理论及其在压缩方面的应用,并且介绍了一种新的稀疏性正则化的泊松噪声图像去噪算法. 相似文献
4.
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
5.
《宜宾学院学报》2017,(6):67-73
稀疏子空间聚类是把子空间聚类问题松弛为凸优化问题,但这种凸近似需要满足较强的非相干性条件,且用观测数据本身作为字典进行子空间表示时,观测数据中所含的噪声、缺损、奇异样本等会增加子空间表示的误差.为解决上述问题,提出一种基于?_p范数(0相似文献
6.
《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
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.
《十堰职业技术学院学报》2017,(6):103-106
基于低秩近似方法进行图像去噪逐渐成为图像处理领域研究的热点。将图像块分解成一个低秩矩阵和噪声矩阵,利用矩阵的秩来约束图像块的相似性,且现有的非局部稀疏表示算法利用图像块的自相似性进行去噪。鉴于此,提出低秩近似与非局部稀疏的图像去噪模型。该算法加强了图像分解的全局稀疏性约束,更好地保留了图像的细节和边缘信息。 相似文献
9.
相位恢复问题是指仅从幅值测量中恢复原始信号.由于幅值测量中缺少相位信息，精确恢复原始信号困难，因此需要加入正则化项确保高精度重建原始信号.结合交替投影和卷积神经网络提出了基于卷积神经网络去噪正则化的相位恢复算法(NrPR＿DnCNN).所提算法将相位恢复问题转化为去噪和约束优化两个子问题，并利用l1正则化快速梯度下降法交替求解.仿真结果表明：与BM3D＿PRGAMP算法相比，所提算法重构图像的峰值信噪比在二种高斯噪声水平上分别提高了2.08 dB和3.20 dB,验证了所提算法的有效性和鲁棒性；误差-迭代仿真结果验证了所提算法具有良好的收敛性. 相似文献
10.
为减少图像复原中产生的阶梯效应和边缘模糊现象,引入 Hessian 矩阵,设计带有交叠组合稀疏化的双正则项。采用一阶交叠组合稀疏的正则项保留边缘,同时采用二阶交叠组合稀疏的正则项缓解一阶正则项产生的阶梯效应;通过构造两个可分离算子最小化问题求解图像复原问题,在乘子交替方向法（ADMM）的框架下,得出求解各子问题的迭代形式,并提出新的复原算法。实验结果表明,峰值信噪比比传统方法至少提高了0.8dB,结构相似度指数最高达 0.9,最低为 0.72。新算法在去除噪声的同时,有效保留了图像纹理信息。 相似文献
11.
In this paper, a two-level Bregman method is presented with graph regularized sparse coding for highly undersampled magnetic resonance image reconstruction. The graph regularized sparse coding is incorporated with the two-level Bregman iterative procedure which enforces the sampled data constraints in the outer level and updates dictionary and sparse representation in the inner level. Graph regularized sparse coding and simple dictionary updating applied in the inner minimization make the proposed algorithm converge with a relatively small number of iterations. Experimental results demonstrate that the proposed algorithm can consistently reconstruct both simulated MR images and real MR data efficiently, and outperforms the current state-of-the-art approaches in terms of visual comparisons and quantitative measures. 相似文献
12.
The concept of structured sparse coding noise is introduced to exploit the spatial correlations and nonlocal constraint of the local structure. Then the model of nonlocally centralized simultaneous sparse coding(NC-SSC) is proposed for reconstructing the original image, and an algorithm is proposed to transform the simultaneous sparse coding into reweighted low-rank approximation. Experimental results on image denoisng, deblurring and super-resolution demonstrate the advantage of the proposed NC-SSC method over the state-of-the-art image restoration methods. 相似文献
13.
In this paper, a discriminative structured dictionary learning algorithm is presented. To enhance the dictionary’s discriminative power, the reconstruction error, classification error and inhomogeneous representation error are integrated into the objective function. The proposed approach learns a single structured dictionary and a linear classifier jointly. The learned dictionary encourages the samples from the same class to have similar sparse codes, and the samples from different classes to have dissimilar sparse codes. The solution to the objective function is achieved by employing a feature-sign search algorithm and Lagrange dual method. Experimental results on three public databases demonstrate that the proposed approach outperforms several recently proposed dictionary learning techniques for classification. 相似文献
14.
15.
16.
为解决PersonalRank图推荐算法在推荐系统应用中的效率问题,从降低时间复杂度和减少迭代次数两方面进行算法优化。首先,构建推荐系统中用户行为数据二分图和迭代推荐模型;然后,建立转移矩阵,通过矩阵运算转换传统迭代模型,求解稀疏矩阵线性方程组直接得到系统稳态,有效降低了推荐算法的时间复杂度;最后,通过确定游走概率,在不影响系统精度前提下,各节点概率值收敛前就提前停止迭代,大幅减少了系统迭代次数。实验表明,转移矩阵法推荐效率比传统迭代法提高了211倍左右,游走概率取值为0.1时精度趋于稳定。优化后的算法能有效提高推荐效率。 相似文献
17.
为去除常出现在图像采集和日常摄影中的摩尔纹噪声,提出一种由样条小波生成的紧框架下的稀疏信号恢复算法。该算法利用摩尔纹噪声的频域特性确定受影响的傅里叶频谱区域;利用图像在给定紧框架下的稀疏性,根据压缩感知理论实现数据在傅里叶频谱上的非线性插值。实验结果表明,相比传统频域滤波算法,该算法恢复图像的峰值信噪比更高,更符合人的视觉审美,在去除摩尔纹噪声的同时,还可有效保留图像边缘信息。 相似文献
18.
一种新的PET序列图像超分辨率优质重建算法 总被引：1，自引：1，他引：0
利用超分辨率重建技术,从含有加性高斯噪声和模糊噪声的正电子发射成像(PET)序列低分辨率图像,重建出一幅优质高分辨率图像。作者提出了一种基于正则化参数(RP)的通道自适应线性斜率超分辨率算法。该算法采用平移运动模型,通过对RP线性斜率的自适应更新,动态优化代价函数,以降低对PET图像高频成分的抑制。为验证新算法的有效性,采用模拟PET序列图像进行实验。实验中,与HUHE算法相比,新算法PSNR平均提高2.65dB。新算法在改善图像空间分辨率上取得良好的效果,同时具有很好的抗噪性能。 相似文献