搜索结果: 1-12 共查到“计算机科学技术 稀疏表示”相关记录12条 . 查询时间(0.07 秒)
融合暗原色先验和稀疏表示的水下图像复原
水下图像复原 暗原色先验 稀疏表示
2018/5/21
由于水下图像成像过程中受光的散射、噪声干扰等因素影响，致使图像质量严重退化。为了去除模糊和抑制噪声，改善水下图像质量，该文提出一种融合暗原色先验和稀疏表示的水下图像复原新方法。该方法首先利用暗原色先验理论计算水下图像的暗原色，然后基于稀疏表示理论对暗原色进行去噪和优化，基于改进后的暗原色计算水体透射率和光照强度以计算最终复原结果，可以同时达到去模糊和去噪的良好效果。实验结果表明，提出的方法有效提高...
基于Gabor低秩恢复稀疏表示分类的人脸图像识别方法
人脸图像识别 稀疏表示 低秩矩阵恢复 Gabor变换
2017/1/10
针对含光照、表情、姿态、遮挡等误差或被噪声污染的人脸图像的识别问题,本文提出一种基于Gabor低秩恢复稀疏表示分类的人脸图像识别方法.该方法首先用低秩矩阵恢复算法求得训练样本图像对应的误差图像;然后,对每一个训练样本图像及其对应的误差图像进行Gabor变换,得到相应的Gabor特征向量,并将这些Gabor特征向量组成一个Gabor特征字典;进而,计算测试样本图像Gabor特征向量在该Gabor特征...
基于投影的稀疏表示与非局部正则化图像复原方法
图像复原 稀疏表示 非局部总变差 正则化
2017/1/12
提出一种基于投影的稀疏表示与非局部正则化相结合的图像去模糊、去噪图像复原方法.该方法结合了自适应构造字典的稀疏表示与非局部总变差，提出的正则化模型分解为三个投影子问题进行求解以提高求解效率.实验结果表明，本文所提出的图像复原方法能够有效地保持原图像的纹理细节信息，对于不同程度的退化图像上均有较好的复原结果，在视觉效果和客观评价指标上均优于相比较的现有方法.
为了克服图像识别中光照,姿态等变化带来的识别困难,同时提高稀疏表示图像识别的鲁棒性,本文提出了一种基于Gabor特征和字典学习的高斯混合稀疏表示图像识别算法.高斯混合稀疏表示是基于最大似然估计准则,将稀疏保真度表示为余项的最大似然函数,最终识别问题转化为求解加权范数的优化逼近问题.本文算法首先提取图像的Gabor特征;然后对Gabor特征集进行字典学习,由于在学习过程中引入了Fisher准则作为约...
基于多视角融合稀疏表示的恐怖视频识别
恐怖视频 稀疏表示 多视角 核函数
2017/1/16
现有的基于多示例学习的恐怖视频识别算法都是假设示例间是相互独立的，而忽略了恐怖视频中存在的上下文信息和示例包的统计特性.因此，本文提出了一种多视角融合稀疏表示模型.该模型分别从集合视角、上下文视角以及统计特性视角三个不同的视角来看待一个视频片段，并利用联合稀疏表示框架将三个不同视角融合到一个分类框架中，用来进行恐怖视频的识别.在恐怖视频库上的实验结果验证了算法在恐怖视频识别中比现有的其它算法有更好...
联合稀疏表示的双次诱发电位提取算法
诱发电位双次提取 联合稀疏表示 字典构造 脑电信号
2017/1/14
诱发电位少次提取对于研究大脑活动规律以及临床诊断等具有重要意义.根据脑电信号的特点，本文提出一种基于联合稀疏表示的双次诱发电位信号估计算法.利用诱发电位信号的准周期性和自发脑电信号的随机性，该算法将脑电信号看作为相似成分和相异成分的叠加.神经系统通过相同刺激产生的诱发电位主要在潜伏期和波幅两方面发生变化，因此该算法利用平均诱发电位进行建模，得到稀疏字典，通过联合稀疏表示算法实现双次诱发电位信号的提...
受启发于人脸近似对称的先验知识，提出一种基于对称Gabor特征的稀疏表示算法并成功运用于人脸识别。首先把人脸图像进行镜像变换得到其镜像图像，进而将人脸分解为奇偶对称脸。在奇偶对称脸上分别提取Gabor特征，得到Gabor奇偶对称特征。通过一个加权因子，将奇偶特征融合生成新的特征。最后用这种新的特征构成超完备字典进行稀疏表示人脸分类。在人脸数据库AR和FERET上的实验结果表明所提算法在人脸有表情、...
基于低秩分解的联合动态稀疏表示多观测样本分类算法
模式识别 多观测样本分类 低秩矩阵恢复 联合动态稀疏表示
2017/1/9
通过互联网易获得同一对象的多个无约束的观测样本,针对如何解决无约束观测样本带来的识别困难及充分利用多观测样本数据信息提高其分类性能问题,提出基于低秩分解的联合动态稀疏表示多观测样本分类算法.该算法首先寻找到一组最佳的图像变换域,使得变换图像可以分解成一个低秩矩阵和一个相关的稀疏误差矩阵;然后对低秩矩阵和稀疏误差矩阵分别进行联合动态稀疏表示,以便充分利用类级的相关性和原子级的差异性,即使多观测样本的...
基于多重核的稀疏表示分类
稀疏表示分类(SRC) 核方法 多重核 核权重 模式识别
2017/1/12
稀疏表示分类（SRC）及核方法在模式识别的很多问题中都得到了成功的运用.为了提高其分类精度，提出多重核稀疏表示及其分类（MKSRC）方法.提出一种快速求解稀疏系数的优化迭代方法并给出了其收敛到全局最优解的证明.对于多重核的权重给出了两种自动更新方式并进行了分析与比较.在不同的人脸图像库上的分类实验显示了所提出的多重核稀疏表示分类的优越性.
针对复杂场景下的交通目标分类识别难点,提出一种基于尺度不变特征转换(SIFT)与核稀疏表示的分类识别算法.该算法首先利用SIFT分别提取训练样本和待测目标局部特征信息,通过核方法将特征样本映射到核空间,构建过完备字典,最后通过待测目标在字典中的稀疏度与重构误差对交通目标类别进行判定.同时,分析了随机投影下的核稀疏表示分类与特征维数之间的关系.实验结果表明,与SVM、稀疏表示分类(SRC)相比,该方...
基于稀疏表示和PCNN的多模态图像融合
信号稀疏表示 bandelet变换 几何流 脉冲耦合神经网络 图像融合
2013/12/10
提出一种基于稀疏表示和脉冲耦合神经网络(pulse coupled neural network, PCNN)的新方法。首先将原图像进行bandelet变换,提取出图像中的几何流和bandelet系数等重要信息,再利用PCNN进行几何流融合、根据稀疏相似度优化融合后的几何流,然后更新部分bandelet系数并根据最大绝对值规则进行融合,最后通过bandelet逆变换得到融合后的图像。仿真实验结果表...