- 博客(0)
- 资源 (20)
- 收藏
- 关注
稀疏表示需要用到的ksvd工具箱
稀疏表示需要用到的ksvd工具箱。K-SVD是一种经典的字典训练算法,依据误差最小原则,对误差项进行SVD分解,选择使误差最小的分解项作为更新的字典原子和对应的原子系数,经过不断的迭代从而得到优化的解。
2018-04-09
《深度学习》 Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写
深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写,是深度学习领域奠基性的经典教材。全书的内容包括3个部分:第1部分介绍基本的数学工具和机器学习的概念,它们是深度学习的预备知识;第2部分系统深入地讲解现今已成熟的深度学习方法和技术;第3部分讨论某些具有前瞻性的方向和想法,它们被公认为是深度学习未来的研究重点。
《深度学习》适合各类读者阅读,包括相关专业的大学生或研究生,以及不具有机器学习或统计背景、但是想要快速补充深度学习知识,以便在实际产品或平台中应用的软件工程师。
2018-04-04
mean shift 图像分割
Mean Shift算法,一般是指一个迭代的步骤,即先算出当前点的偏移均值,移动该点到其偏移均值,然后以此为新的起始点,继续移动,直到满足一定的条件结束.
2018-04-03
显著检测频谱残差
《Saliency Detection: A Spectral Residual Approach》是上交高材生侯晓迪在07年的CVPR上发表的一篇论文,这篇文章提出了一个图像视觉显著性的简单计算模型,这个模型和Irri提出的模型是两个截然不同的模型,Irri模型对于图像视觉显著性主要关注整幅图片突出的部分,通过各种特征的融合提取显著性图,而Hou的这个模型一上来关注的点就不在一张图片里突出的地方,而是背景
2018-04-03
数字图像处理 英文
数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响:一是计算机的发展;二是数学的发展(特别是离散数学理论的创立和完善);三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。
2018-03-30
图像仿射不变方法研究
对旋转不变纹理分类的研究,基于Gabor小波的旋转不变纹理分类方法和基于圆形Gabor小波的旋转不变纹理分类方法。同时为了测定旋转纹理的角度,又基于相位一致性的方向估计算法。对尺度不变模式识别的研究,基于经验模态分解和梅林径向调和分解。
2018-03-30
稀疏分解图像去噪
传统的去噪方法往往假设含噪图像的有用信息处在低频区域,而噪声信息处在高频区域,从而基于中值滤波、Wiener 滤波、小波变换等方法实现图像去噪,而实际上这种假设并不总是成立的。基于图像的稀疏表示,近几年来研究者们提出了基于过完备字典稀疏表示的图像去噪模型,其基本原理是将图像的稀疏表示作为有用信息,将逼近残差视为噪声。利用 K-SVD 算法求得基于稀疏和冗余的训练字典,同时针对 K-SVD 算法仅适合处理小规模数据的局限,通过定义全局最优来强制图像局部块的稀疏性。文献[28]提出了稀疏性正则化的图像泊松去噪算法,该算法采用 log 的泊松似然函数作为保真项,用图像在冗余字典下稀疏性约束作为正则项,从而取得更好的去噪效果。
2018-03-30
稀疏和冗余在图像处理的应用
目前, 稀疏表示的应用范围基本为自然信号形成的图像、音频以及文本等, 对于非自然信号或数据的应用尚未有文献涉及。在应用方面, 可大体划分为两类:
基于重构的应用
此类应 用 有 图 像 去 噪、 压 缩 与 超 分 辨 、S A R 成像 、 缺失图像重构 以及音频修复 等。这些应用主要将目标的特征用若干参数来表示, 这些特征构成稀疏向量, 利用稀疏表示方法得到稀疏向量, 根据数学模型进行数据或图像重构。在这些应用中, 观测数据一般含有噪声。
基于分类的应用
这类应用的本质是模式识别 , 将表征对象主要的或本质的特征构造稀疏向量, 这些特征具有类间的强区分性。利用稀疏表示方法得到这些特征的值, 并根据稀疏向量与某类标准值的距离, 或稀疏向量间的距离判别完成模式识别或分类过程, 例如盲源分离、 音乐表示与分类、 人脸识别 、文本检测。
2018-03-30
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人