![]() |
基本信息Personal Information
教授
性别 : 男
毕业院校 : 浙江大学计算机系
在职信息 : 在岗
所在单位 : 计算机科学与技术学院
入职时间 : 1992年08月01日
联系方式 : 13750983697
Email :
扫描关注
基于稀疏表示的图像分类字典学习<sup>*</sup>
点击量 :
第一作者 : 何小卫
发表时间 : 2015-01-01
发表刊物 : 浙江师范大学学报(自然科学版)
所属单位 : 数理与信息工程学院
文献类型 : 期刊
卷号 : 第38卷
期号 : 第4期
页面范围 : 402-409
ISSN : 1001-5051
关键字 : 非局部;自相似性;稀疏表示;字典学习;K-均值
摘要 : 针对K-SVD算法学习得到的字典结构性不强的问题,利用图像的非局部自相似性,提出了基于稀疏表示的图像分类字典学习方法(NLC-DL).该方法利用K-means对图像块进行聚类并对每个子类进行字典学习,增强字典的有效性.根据正交匹配追踪算法(OMP)求得稀疏系数,迭代优化字典,最终利用优化后字典和稀疏系数矩阵重构图像.实验结果表明:生成的学习字典对训练样本的表达误差更小,能够有效地保持图像的结构信息,重构后的图像在峰值信噪比和视觉效果方面均优于传统方法.
是否译文 : 否