本文介绍了从训练图像中学习分析算子的算法,并将其应用于图像去噪、修补和超分辨率的领域,相对于专业技术上的最新方法具有竞争性的综合性能。
Apr, 2012
本文研究基于稀疏性的模型和技术在信号处理和图像应用中的应用,提出了针对特定结构的稀疏化运算符学习问题的交替最小化算法,并对其收敛性进行了分析,证明了在某些假设下,该算法收敛于数据的基础稀疏化模型。同时,数值模拟表明该算法对初始值具有较强的鲁棒性。
May, 2018
本文提出了一种新的学习算法来应对近期提出的共稀疏分析模型,使用双层优化技术来学习分析算子,研究了共稀疏分析模型的不同方面,并将训练模型应用于多个经典的图像恢复问题。
Jan, 2014
该论文探讨了字典学习问题的局部解决方案,基于随机稀疏模型,通过低秩矩阵补全问题的工具,克服了一些技术上的难点,并建立了当样本数满足某些条件时,字典和系数的组合可以成为 L1 范数的局部最优解这一结果。
Jan, 2011
本文研究了稀疏性转换模型的学习,并提出了交替算法以实现稳健的方阵。研究结果表明,与合成 K-SVD 相比,转换学习在图像降噪中具有良好的性能和显着的加速度。
Jan, 2015
本研究提出了基于 L1 优化的受限极小化学习方法,用于从训练语料库中学习一个分析算子,通过投影次梯度和 Douglas-Rachford 分割技术,对足够大小的干净训练集进行稳健回收地真实分析算子,同时在一些噪声 cosparse 信号的帮助下,为图像找到一个分析算子。
May, 2012
通过对称矩阵因式分解的正则化误差,我们提出了一种新的代价函数,使得在线算法可以学习到 Gabor 滤波器感受野,同时使用仅限生物合理的局部学习规则,从而解决了 Olshausen 和 Field 所提出的算法中存在的生物学上不现实的非局部性学习规则的问题。
Mar, 2015
本文介绍了一种名为 EZDL 的字典学习算法,利用一种新的最优化技术来学习适用于稀疏编码的字典,并在图像处理中获得了成功应用,同时该算法所学的字典能够以整体效果优异的方式表达图像。
Apr, 2016
本论文研究了基于稀疏性的数据模型在信号处理和成像应用中的应用。特别关注了稀疏变换学习,提出了基于多层分层扩展的学习算法,并在图像去噪的数值实验中证明了其有效性。多层模型比单层方案具有更好的去噪质量。
Oct, 2018
本文提出了一种新的稀疏表示模型,该模型采用共享字典和多个类别判定函数来描述不同类别的信号,并提出了学习该模型所有组件的优化方法,进一步提高了手写数字和纹理分类任务的准确性。
Sep, 2008