三维匹配_计算机科学 | 三维图像稀疏表示用于高质量重建的分段降维

英文原文作者: Laura Rebollo-Neira, Daniel Whitehouse

近15年来，二维图像的稀疏表示得到了广泛研究。与稀疏性相关的应用范围覆盖了从图像修复和分类，到特征提取和超分辨率重建的广大领域。相较而言，三维数组(3D arrays)的稀疏表示受到的关注就少很多。不过，现有文献中已有研究发现将这些数组建模为三维基本组件叠加模型的优点。

目前，日常生活中应用最普遍的多通道图像是真彩色图像。稀疏呈现这些图像的最简单方式是通过逐个通道表示，或是在颜色之间添加相关性约束。

然而，正如本文研究结果所示，如果通过从高冗余字典提取的三维元素来实现近似，则真彩色图像表示中的稀疏性可以大幅增加。当然，对于类似高光谱图像这样包含更多通道的数组来说，这种效果将更加显著。

从实用角度出发，目前使用大型字典进行三维稀疏建模的缺点是：(i)存储需求(ii)伴随计算的复杂性。

本文发表于Elsevier旗下期刊 Array，作者在文中提出了一种为使用图形处理器编程的高性能实现留出空间的方法，从而能够解决存储需求问题。

本文的主要贡献如下：

• 提出将“自投影匹配寻踪”(Self Projected Matching Pursuit)法——正交匹配追踪策略的低内存实现，用于可分离字典下的三维操作(SPMP3D)。这项技术提供了一个三维最小二乘问题的迭代解决方案，它比直接线性代数法所需的存储空间更小。因此，它也可以应用于包括最小二乘步骤的任何其他追踪策略。

• 现有专门网站可获取用于三维版自投影匹配寻踪(SPMP3D)法的C++ MEX文件。在矩阵实验室MATLAB环境下复制该论文结果的所有脚本也放在该网站上。

• 利用高冗余、高相关度的可分离字典，可以显著降低真彩色图像和高光谱图像的表示维数，实现高质量的重建。

研究结果表明，本文提出的方法对于依靠数据缩减转换，完成初步图像处理的应用来说，有积极作用。

▼ 移步文末，点击 

 本文摘自Elsevier旗下期刊 

Array 

长按识别二维码

了解常见问题、作者指南以及阅读更多该领域相关文章

浏览期刊页面

诚邀您的投稿

计算机科学丨 往期回顾

• 不依赖肌肉活动实现人机交流：MI-BCI信号处理技术

• 大数据：Hadoop框架存在的漏洞、安全和攻击

• 微制硅片充当系列蛋白晶体学的脂质膜样品架

版权声明：本文由爱思唯尔北京办公室负责翻译。中文内容仅供参考，一切内容以英文原版为准。

©️ 2019 Elsevier B.V.

喜欢我们的内容？不如点个“在看”吧