检索结果-南通市图书馆

作者：郑熹深圳大学

学位级别：硕士

子空间聚类作为计算机视觉和图像处理的重要任务,在图像分割,图像压缩,人脸识别等领域有着广泛的应用。基于谱聚类的方法为子空间聚类的重要研究方向之一,其中低秩子空间聚类备受青睐。该方法通过对自表示矩阵的秩进行约束,实现图像的... 详细信息

子空间聚类作为计算机视觉和图像处理的重要任务,在图像分割,图像压缩,人脸识别等领域有着广泛的应用。基于谱聚类的方法为子空间聚类的重要研究方向之一,其中低秩子空间聚类备受青睐。该方法通过对自表示矩阵的秩进行约束,实现图像的无监督聚类。然而,在数值处理中,秩约束存在下列两个问题:a)由于矩阵秩的极小化是一个Np难问题,因此,在传统处理方法中,矩阵的秩通常用核范数来逼近。但是,这种近似替代总是引起奇异值的过度惩罚,导致不准确的解。b)低秩子空间聚类方法是满足线性子空间假设的,一旦图像处于非线性复杂环境,该方法是失效的.针对上述不足,本文提出基于非凸正则化的深度低秩子空间聚类方法,主要包括下列三部分研究内容:(1)基于schatten-p范数的低秩子空间聚类为了克服传统低秩子空间聚类中奇异值过度惩罚的问题,本文利用schatten-p范数替代核范数来近似表示矩阵的秩。当p值越小时,奇异值的过度惩罚变小;当p值趋于0时,矩阵的schatten-p范数就是矩阵的秩。因此,本文采用0

关键词：低秩子空间聚类 schatten-p范数卷积自编码器自表示层退出机制(drop-out)

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

基于非凸低秩矩阵分解的图像显著性目标检测模型研究

基于非凸低秩矩阵分解的图像显著性目标检测模型研究

引用

作者：张尧深圳大学

学位级别：硕士

在计算机视觉中,显著性目标检测任务既无处不在又充满挑战.本文主要研究基于非凸低秩矩阵分解的图像显著性检测建模和算法.主要包括:1.给出图像显著性目标检测的基本问题;概括低秩模型所需的优化概念,定理、常用的显著性目标检测数据集... 详细信息

在计算机视觉中,显著性目标检测任务既无处不在又充满挑战.本文主要研究基于非凸低秩矩阵分解的图像显著性检测建模和算法.主要包括:1.给出图像显著性目标检测的基本问题;概括低秩模型所需的优化概念,定理、常用的显著性目标检测数据集及评价标准;2.提出一种基于加权组稀疏和schatten-1范数分解,即:和schatten-2/3范数分解即:以及schatten-1/2范数分解,即:的图像显著性目标检测模型,其中X=UV.我们通过ADMM算法求解模型,并给出算法收敛性证明.3.建立一种基于schatten-2/3范数和稀疏l范数的非凸图像显著性目标检测模型,其本质上等价于“基于Frobenius/核范数与非凸l范数即:的检测模型”.同时,本文给出其相应的快速迭代算法和理论分析.实验表明新算法是有意义的.

关键词：低秩逼近 schatten-p范数矩阵分解稀疏乘子交替方向法(ADMM) 显著性目标检测

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RpCA模型的p范数优化算法

引用

温州大学学报（自然科学版） 2016年第4期37卷 25-32页

作者：刘园王迪温州大学数学与信息科学学院浙江温州325035

在图像修复和视频处理中,低秩矩阵恢复有着非常广泛的应用.RpCA模型是低秩矩阵恢复的经典模型,其基本思想是将一个数值矩阵分解为一个低秩矩阵与一个稀疏矩阵和的形式再进行求解.然而,RpCA问题是Np难的,一个通用的处理方式就是将RpCA模... 详细信息

在图像修复和视频处理中,低秩矩阵恢复有着非常广泛的应用.RpCA模型是低秩矩阵恢复的经典模型,其基本思想是将一个数值矩阵分解为一个低秩矩阵与一个稀疏矩阵和的形式再进行求解.然而,RpCA问题是Np难的,一个通用的处理方式就是将RpCA模型中矩阵的秩函数和0L范数分别松弛为矩阵的核范数和L_1范数,从而将其近似转化为凸优化问题来求解,但这种由凸优化近似方法得到的解在相对较弱的非相干性条件下会使原始问题的解退化.针对这个问题,本文首先提出一种更接近于原始问题的非凸近似模型,即用矩阵的schatten-p范数和L_p范数(0p范数,然后针对提出的非凸近似模型,进一步给出有效的优化算法,最后,在人工数据集和真实图像数据集上进行实验,结果表明,所提出的模型是有效的.

关键词：低秩矩阵恢复 RpCA模型 schatten-p范数 Lp范数

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

求解显著性物体检测中矩阵优化问题的交替方向乘子算法

引用

桂林电子科技大学学报 2024年

作者：黄威铭段雪峰桂林电子科技大学数学与计算科学学院

图像显著性物体检测是机器视觉的任务之一。为提高图像显著物体检测的正确性、分辨率和计算效率,强化图像背景识别和显著性物体检测,基于schatten-p范数对图像的背景进行低秩逼近和加权因子稀疏正则化,建立了新的显著性物体检测模型。... 详细信息

图像显著性物体检测是机器视觉的任务之一。为提高图像显著物体检测的正确性、分辨率和计算效率,强化图像背景识别和显著性物体检测,基于schatten-p范数对图像的背景进行低秩逼近和加权因子稀疏正则化,建立了新的显著性物体检测模型。通过设计的交替方向乘子算法求解图像的显著性检测中的矩阵优化问题,最后得到图像的显著区域图。在4个常用的显著性目标检测数据集上进行了数值试验,同时也选取了6种传统的显著性目标检测方法进行对比实验,实验结果表明,该算法具有较高的计算效率和准确性。

关键词：显著性物体检测低秩逼近 schatten-p范数因子稀疏正则化交替方向乘子法

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

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

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

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：