检索结果-南通市图书馆

检索条件"主题词=张量稀疏表示"

共 3 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于张量结构稀疏表示的图像修补研究

基于张量结构稀疏表示的图像修补研究

引用

作者：刘正康西安电子科技大学

学位级别：硕士

图像修补旨在利用已有的信息对损坏的图像进行修复,在文物保护和影视特技制作等领域得到广泛的应用。目前主要有基于纹理的扩散、基于样例的纹理合成和基于稀疏表示三类修补方法,而基于稀疏表示的修补方法能够有效利用图像的稀疏性,以... 详细信息

图像修补旨在利用已有的信息对损坏的图像进行修复,在文物保护和影视特技制作等领域得到广泛的应用。目前主要有基于纹理的扩散、基于样例的纹理合成和基于稀疏表示三类修补方法,而基于稀疏表示的修补方法能够有效利用图像的稀疏性,以及缺损图像与完整图像在超完备的字典下有相同稀疏编码系数的性质,使得缺损图像得以恢复。然而,传统稀疏表示的图像修补,需要对图像块进行向量化处理,破坏了图像块的结构信息,进而影响其修补质量。针对该问题,本文进行了如下三方面的研究:1、设计并实现了一种基于加权结构稀疏表示的图像修补方法。针对传统字典学习没有充分考虑到图像块具有相似结构信息的问题,构造分类字典的稀疏表示模型,充分利用图像块之间的结构信息,对其进行纹理分类,再分别进行图像修补;其次在图像修补时,利用缺损区域周围的邻域信息,进行加权的联合稀疏编码,充分考虑到了图像块的相似信息。利用上述模型,分别对自然图像的掩膜、字母、噪声的缺损进行修补,结果表明,在这几种基本字典和算法中,基于结构信息分类字典下的PSNR和SSIM数值结果和视觉效果最好。2、设计并实现了一种基于图像块双几何结构的图像修补方法。针对传统图像修补中,单独的对每一个图像块进行处理,没有考虑到图像块本身纹理结构信息的缺陷,将图像块处理建立双几何结构模型,充分利用了图像块的局部自相似性和非局部自相似性;其次使用自适应字典学习的模型与学习算法,根据修补图像块的不同,自适应的建立字典,提高修补精度和效率;最后建立了组结构稀疏模型用于图像修补,进一步提高了其修补质量。利用上述模型,分别对自然图像的掩膜、字母、噪声的缺损进行修补,结果表明,相比其他同类方法相比,图像块双几何结构自适应字典的图像修补方法,数值结果有较大的改善。3、设计了一种基于结构信息的张量稀疏表示算法。在图像二维模型的基础上,针对传统图像修补,需要对图像块进行向量化处理,破坏图像块本身纹理结构信息的缺陷,同时考虑自然图像的空间结构信息一致性,在二维的双几何结构模型基础上,建立张量的三维空间模型,用于自然图像的修补,进一步提高稀疏编码的效率。通过对自然图像的掩膜、字母、噪声的缺损仿真实验表明,本章提出的方法能得到的修补数值结果和视觉效果得到了很大的提高。

关键词：稀疏表示图像修补分类字典局部自相似性张量稀疏表示

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于子空间张量分解的高光谱图像融合方法研究

基于子空间张量分解的高光谱图像融合方法研究

引用

作者：程祺皓南京信息工程大学

学位级别：硕士

受限于传感器的成像机理,高光谱图像拥有丰富的光谱信息,但是却需要付出相应的空间分辨率的代价。在实际应用中,精确的结构信息和丰富的光谱特征信息同样重要,单一传感器成像很难满足这一要求。现阶段,解决该问题的最好方法就是利用不... 详细信息

受限于传感器的成像机理,高光谱图像拥有丰富的光谱信息,但是却需要付出相应的空间分辨率的代价。在实际应用中,精确的结构信息和丰富的光谱特征信息同样重要,单一传感器成像很难满足这一要求。现阶段,解决该问题的最好方法就是利用不同传感器各自的成像特点通过融合的方法获取互补的图像信息,对于高光谱图像可以选择具备更多空间细节的多光谱图像作为补充。因此,本文基于空间和光谱退化机制的高光谱图像融合框架,引入张量分解方法,深入分析了高光谱图像的性质,对现有的高光谱图像融合方法作出了详细总结,并在此基础上,设计了新的高光谱图像融合模型。此外,在多个数据集上,通过充分的实验验证了所提出模型的有效性与高性能。主要研究内容如下所示:(1)提出了一种基于张量子空间低秩学习和非局部先验的高光谱图像融合方法。引入非局部自相似性先验,将融合问题转化为非局部张量块的重构。通过张量低秩表示模型,在低维子空间中探索了系数张量在非局部模、空间模的低秩性,并通过截断奇异值低秩近似方法约束子张量系数,使用正交约束学习子空间的基和系数。通过在三个模拟数据集和一个真实数据集上的实验,充分验证了该方法有效提高了融合的精度和性能。(2)提出了一种基于光谱平滑先验和张量行稀疏表示的融合方法。该方法沿用了非局部张量块的结构,但不同于先前正交约束学习子张量字典的方法,通过连续差分正则化学习更接近真实光谱、更连续、更平滑的原子,并深入探索子张量系数的结构,精确刻画子张量系数的行稀疏性,以实现高光谱图像与多光谱图像的高效融合。通过在三个模拟数据集和一个真实数据集上的实验,充分验证了该方法更深入的利用了目标高光谱图像自身的空间和光谱性质,从而提高了融合的精度和性能。

关键词：高光谱图像融合图像先验张量分解子空间低秩学习张量稀疏表示

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于几何结构的图像去噪方法研究

基于几何结构的图像去噪方法研究

引用

作者：赵琳芳西安电子科技大学

学位级别：硕士

图像去噪是图像处理领域中的一项基本技术。近年来各种各样的去噪方法层出不穷，其中基于非局部相似和字典学习的方法是两类重要的方法，非局部相似方法利用了图像在非局部区域内的自相似性，字典学习方法通过学习和图像结构相似的字典... 详细信息

图像去噪是图像处理领域中的一项基本技术。近年来各种各样的去噪方法层出不穷，其中基于非局部相似和字典学习的方法是两类重要的方法，非局部相似方法利用了图像在非局部区域内的自相似性，字典学习方法通过学习和图像结构相似的字典原子使得图像在字典上的表示更稀疏。它们利用了图像不同方面的先验信息，取得了出色的去噪效果。然而这些相关方法都没有充分挖掘图像的几何结构信息，导致去噪图像中存在部分纹理、边缘等细节信息丢失的问题。图像中包含丰富的直线、曲线与轮廓状的奇异性，对视觉认知起着关键的作用，在图像复原中考虑这些内在的几何结构信息，将会提升重建的结果。本文研究了通过不同的方式挖掘图像中的几何结构信息，来提高图像的去噪效果，主要工作包括以下几个方面： (1)设计了一种基于双几何的非局部均值去噪方法。在原始非局部均值方法中，像素点之间的相似性是通过图像块灰度值的高斯加权欧式距离来度量的，高斯核是各向同性的，只和距离有关，而可控核可以有效描述图像的局部结构特征，因此，本论文用可控核代替高斯核构造权重矩阵，并在像素和超像素两个不同的级别上利用可控核，通过这样一种非常简单而巧妙的方式挖掘图像的几何结构信息，使得图像细节信息得以保留，提高去噪效果。将该方法与原始非局部均值等方法在12幅自然图像上进行实验对比，结果显示：该方法在去除噪声的同时保留了更多的细节信息，去噪效果优于其它同类对比方法。 (2)设计了一种基于几何结构与张量稀疏表示的去噪方法。本方法首先根据几何结构的差异性将样例库中的干净图像块分成不同的类型，如边缘块，纹理块，平滑块等，并学习各个类型的字典，然后对每个含噪图像块在相应的字典下做张量稀疏表示，最后将所有处理后的图像块聚合得到去噪后的图像。该方法将图像的几何结构信息与张量理论引入到原始的稀疏表示与字典学习去噪方法中，弥补了原有方法中利用全局字典不能有效表示不同类型图像块的不足，同时克服每个图像块都以向量化形式进行表示，失去图像原有局部结构的缺陷。将该方法与基于稀疏表示与字典学习去噪等方法在12幅自然图像上进行实验对比，结果显示：该方法保持了更多的几何结构信息，在多数情况下去噪结果都优于其它同类对比方法。 (3)设计了一种基于几何结构与低秩表示的去噪方法。本方法将几何结构信息引入低秩表示的框架下，利用图像的灰度特征和几何结构特征对所有的图像块进行聚类，并对每类内的相似块做低秩表示，通过约束系数矩阵的低秩性逼近真实图像，同时在处理过程中采用了残差补偿的迭代执行方式。该方法利用了图像的非局部相似性，同时克服了稀疏表示一次只能求一个图像块的稀疏系数，每个图像块相互独立的不足。将该方法与三维块匹配去噪等方法在12幅自然图像上进行实验对比，结果显示：较其他对比方法而言，该方法的去噪结果有一定的优势。

关键词：图像去噪可控核几何结构非局部均值张量稀疏表示低秩表示

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：