- 博客(4)
- 收藏
- 关注
RSS订阅原创 学习笔记——关于信号稀疏表示相关概念的整理
一、图像的稀疏首先理解图像的稀疏，分解原始图像为若干个的块，这些样本就是图像中的单个样本块，在固定的字典上系数分解y之后，便得到稀疏向量，从而组成稀疏矩阵，其中x为y在D上的分解稀疏，成为稀疏矩阵，可表示为： 字典矩阵中的各个列向量被称为原子（Atom）. 当字典矩阵中的行数小于甚至远小于列数时，即m⩽n，字典D是冗余的。所谓完备字典是指原子可以张成n纬欧式空间. 如果在某...
2018-08-12 00:01:51
11952
转载 对PCA算法的理解（转载）
PCA（Principal Component Analysis，主成分分析）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有讲述其中的原理。这篇文章的目的是介绍PCA的基本数学原理，帮助读者了解PCA的工作机制是什么。当然我并不打算把...
2018-08-11 00:53:38
329
原创 non-local 论文及代码复现总结
一、NLmeansfilter 函数function [output]=NLmeansfilter(input,t,f,h) % input: 处理的图像 % t: 搜索窗的半径 % f: 相似窗的半径 % h: 滤波参数 [m,n]=size(input);%图像的范围 output=zeros(m,n); input2=padarray(input,[f f],'s...
2018-08-07 21:23:07
2556
原创 A non-local algorithm for image denoising理解及读书笔记
1、非局部均值的的突破在于它是将有噪声的图像改正而不是将噪声单独从图像中分离出来，它的基本思想是：当前像素点的灰度值与所有与其结构相似的像素点加权平均得到，确定权值系数则是：对于每一个像素点的权值，采用以该像素点为中心的图像子块与当前像素点为中心的图像子块之间的高斯加权欧氏距离来计算2、下图表示了高斯滤波，双边滤波和非局部均值处理过程3、NML 算法首先要确定两个窗口，分别为相似窗...
2018-08-01 22:56:08
4796
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人