Dec, 2015

图像去噪和背景减除的加权 Schatten p - 范数最小化

PDF
TL;DR本研究提出了一种更灵活的模型，称为加权 Schatten p - 范数最小化，用于恢复低秩矩阵。该模型不仅提供了更好的低秩矩阵逼近，并且考虑了不同秩分量的重要性。使用加权 Schatten p - 范数最小化在低级视觉问题（如图像去噪和背景减法）方面，相对于现有方法，可以更有效地去除噪声，对复杂和动态场景进行建模。
low rank matrix approximationweighted schatten norm minimizationcomputer visionimage denoisingbackground subtraction
发现论文，激发创造
  • 非凸加权 Lp 核范数 ADMM 框架用于图像恢复

    本文提出了一种通过非凸加权 Lp 核范数极小化方法进行图像恢复的新方法，以更准确地同时强制执行图像结构稀疏性和自相似性，并采用交替方向乘子法（ADMM）求解相关的非凸极小化问题，实验结果表明，该方法在目标和感知质量方面均优于目前许多最先进的方法。

    Apr, 2017

  • 一种经过理论保证的四元数加权 Schatten p - 范数最小化方法用于彩色图像恢复

    该论文提出了一种基于四元数的加权核范数最小化和加权谱范数最小化方法来解决彩色图像恢复问题，并通过实验证明该方法在彩色图像去噪和去模糊等任务上表现优秀，同时也对该方法进行了理论收敛性分析。

    Jul, 2023

  • 高效低秩身份识别的迭代加速核范数最小化

    该研究考虑了平滑函数和矩阵的 Schatten-p 范数之和的最小化问题，并提出了用于解决非凸低秩最小化问题的加速迭代重新加权核范数方法，其主要创新包括具有秩识别特性的方法和自适应更新策略，通过快速将参数驱动为零，将算法转化为能有效解决平滑问题的算法。

    Jun, 2024

  • 通过迭代重新加权核范数来进行非凸非光滑低秩最小化

    本文提出了一种使用一组非凸假设函数对矩阵奇异值进行 $L_0$- 范数逼近的非凸非光滑极小值问题，并采用 Iteratively Reweighted Nuclear Norm (IRNN) 算法进行求解。本文在合成和真实图像数据上进行了广泛的实验，证明了 IRNN 相比最先进的凸算法增强了低秩矩阵恢复的效果。

    Oct, 2015

  • 平滑秩近似算法鲁棒子空间聚类

    本文提出一种基于 Logarithm-Determinant 的等级逼近方法，用于子空间聚类应用，并开发有效的优化策略，以实现收敛到一个稳定点，并在人脸聚类和运动分割任务方面比目前最先进的子空间聚类算法具有更好的效果。

    Aug, 2015

  • 高效的结构化矩阵秩最小化

    利用核范数正则化寻找结构化低秩矩阵的问题，我们采用线性映射来编码结构，并提出了一种更有效的方法，与同类方法相比，该方法在迭代次数和计算成本上都有所改善，并在随机系统实现和光谱压缩感知问题中表现出色。

    Sep, 2015

  • 交替最小化法保证加权低秩逼近的恢复

    本文提出一种简单的交替最小化算法，提供了带权重低秩矩阵恢复的可证明的等保障，并不需要关于噪声的假设，其误差随交替次数按指数级递减，初始矩阵可以由 SVD 或随机初始化得到，这是一种非常简单的算法，可以显着扩展矩阵补全的结果，特别是那些存在于现有研究工作中的二进制权重问题。

    Feb, 2016

  • 广义非凸非光滑低秩最小化

    本文提出了一种基于梯度权重奇异值阈值处理问题的迭代重加权核范数算法（IRNN），用于解决非凸非光滑低秩最小化问题，该算法在处理矩阵恢复问题时优于先进的凸算法。

    Apr, 2014

  • 自适应核范数惩罚的降阶回归

    本文引入了自适应核范数正则化方法，通过该方法提出了一种基于自适应核范数的降秩估计方法，同时该降秩估计方法在计算上高效，并且在模拟研究和基因学应用中，表现出优异的性能。

    Jan, 2012

  • 从排名估计到排名近似：用于图像恢复的排名残差约束

    该论文提出了一种新的排名最小化问题的方法，并将其应用于图像恢复任务中，包括图像去噪和图像压缩伪影降低。通过将图像非局部自相似（NSS）先验与提出的 RRC 模型相结合，在每次迭代中逐步逼近潜在的低秩矩阵，从而提高所需图像的估计质量。实验结果表明，该方法在客观质量和感知质量上优于许多最先进的方案。

    Jul, 2018