何小卫

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

论文成果

当前位置: 中文主页 >> 科学研究 >> 论文成果

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 :

推荐此文