国防科技大学学报
國防科技大學學報
국방과기대학학보
JOURNAL OF NATIONAL UNIVERSITY OF DEFENSE TECHNOLOGY
2012年
4期
126-131
,共6页
稀疏表示%字典学习%小波%零树%图像压缩
稀疏錶示%字典學習%小波%零樹%圖像壓縮
희소표시%자전학습%소파%령수%도상압축
提出了一种有效地结构化字典生成算法以及图像双重稀疏表示方法.在Rubinstein等提出的图像双重稀疏表示模型的基础上,引入小波零树结构,将同一空间位置对应的同方向跨尺度小波基函数的线性组合作为新的基函数,并通过K-SVD学习算法得到线性组合系数,由此得到了一种更加切合图像方向特征的结构化字典学习算法.在此基础上提出了相应的图像分解与重构算法.遥感图像M项逼近实验以及压缩仿真实验表明,本文提出的结构化字典比已有的字典具有更好的图像稀疏表示效果.
提齣瞭一種有效地結構化字典生成算法以及圖像雙重稀疏錶示方法.在Rubinstein等提齣的圖像雙重稀疏錶示模型的基礎上,引入小波零樹結構,將同一空間位置對應的同方嚮跨呎度小波基函數的線性組閤作為新的基函數,併通過K-SVD學習算法得到線性組閤繫數,由此得到瞭一種更加切閤圖像方嚮特徵的結構化字典學習算法.在此基礎上提齣瞭相應的圖像分解與重構算法.遙感圖像M項逼近實驗以及壓縮倣真實驗錶明,本文提齣的結構化字典比已有的字典具有更好的圖像稀疏錶示效果.
제출료일충유효지결구화자전생성산법이급도상쌍중희소표시방법.재Rubinstein등제출적도상쌍중희소표시모형적기출상,인입소파령수결구,장동일공간위치대응적동방향과척도소파기함수적선성조합작위신적기함수,병통과K-SVD학습산법득도선성조합계수,유차득도료일충경가절합도상방향특정적결구화자전학습산법.재차기출상제출료상응적도상분해여중구산법.요감도상M항핍근실험이급압축방진실험표명,본문제출적결구화자전비이유적자전구유경호적도상희소표시효과.
