基于张量的字典学习方法用于层析图像重建

Jun, 2015

基于张量的字典学习方法用于层析图像重建

A Tensor-Based Dictionary Learning Approach to Tomographic Image Reconstruction

Sara Soltani, Misha E. Kilmer, Per Christian Hansen

TL;DR本研究利用来自训练图像的字典作为先验进行断层扫描重建，并使用张量表示和稀疏约束来解决字典学习和重建问题。结果表明，我们的张量表示方法可以得到非常稀疏的表示，同时能够紧凑地表示重复的特征。

Abstract

We consider tomographic reconstruction using priors in the form of a dictionary learned from training images. The reconstruction has two stages: first we construct a tensor dictionary prior from our training data, and then we pose the reconstruction problem in terms of recovering the e

tomographic reconstruction dictionary learning non-negative tensor factorization sparse representation convex optimization

发现论文，激发创造

自我表达字典学习用于动态三维重建

本文提出了一种基于压缩感知技术和字典学习的三维重建方法，可以恢复无序视频序列中动态物体的时变结构，并且在多个视频流中具有结构依赖性和运动平滑性，实验结果表明了该方法的有效性。

May, 2016

多模态图像的在线卷积字典学习

本文提出了一种结合卷积组稀疏表达和总变差正则化的多模式图像重建方法，利用不同模式之间的冗余信息实现高质量的图像重建，并通过在线算法实现了卷积词典的非监督学习。该方法在联合强度 - 深度成像应用中取得了良好的效果。

Jun, 2017

用于三阶超对称张量的字典学习与稀疏编码

本文介绍了如何利用研究超对称张量在字典学习和稀疏编码中的应用，将其近似为来自学习字典的对称半正定矩阵成的稀疏锥组合。此方法可以更好地聚合高维数据，在一些计算机视觉任务上展现了优越表现。

Sep, 2015

可分离字典学习

本文介绍基于分离结构的字典学习方法，使得学习过程中可以处理更大的图像块，并且字典在重建任务中被有效地应用。

Mar, 2013

一种应用于微波层析成像的稀疏编码逆问题方法

通过对图像的稀疏表达进行训练，应用于微波断层成像中，可以解决非线性和病态问题，从而显著改进现有算法。

Aug, 2023

任务驱动的字典学习

本文提出了一种通用的配合各种任务的有监督学习词典的方法，并介绍了一个解决相应优化问题的高效算法，实验证明这种方法适用于大规模的监督和半监督分类，以及对能够产生稀疏表示的数据的回归任务。

Sep, 2010

通过多维字典学习进行的三维数据去噪和补全

本文提出了一种新的面向多维数据的字典学习算法 KTSVD，通过张量分解的代数方法直接学习多维字典，并且应用稀疏编码的思想进行视频填充和多光谱图像去噪处理。

Dec, 2015

使用深度图像先验和学习重建方法的计算机断层扫描重建

本文探究了深度学习方法在低数据条件下应用于计算机断层扫描的可能性，并提出了一种深度图像先验方法与经典规则相结合的方法，提高了低数据条件下的重建质量和数据效率。

Mar, 2020

监督式字典学习

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

贝叶斯稀疏性和类稀疏性在字典学习和编码中的应用

字典学习方法在解决复杂的反问题方面不断受到关注。本文提出了一种工作流程来简化字典匹配过程，通过压缩字典和利用贝叶斯框架处理建模误差，以及使用组稀疏编码方法来识别不相关的子字典，然后通过稀疏编码解决匹配问题。证明了字典压缩误差的补偿和使用组稀疏编码方法对原始字典进行缩小的有效性，通过应用到 LIGO 实验和高光谱遥感中的故障检测问题来进行说明。

Sep, 2023