改进的流形学习图像稀疏降噪方法
개진적류형학습도상희소강조방법
Image Denoising Based on Improved Sparse Representation with Manifold Learning
  • 万方数据
    实验室研究与探索 실험실연구여탐색
    LAABORATORY REESEARCH AND EXPLORATION
    2013年 7期 51-54 ,共4页

    张德国%汤一彬%朱昌平%韩庆邦

    장덕국%탕일빈%주창평%한경방

    图像处理%稀疏编码%流形学习%数据降维 圖像處理%稀疏編碼%流形學習%數據降維
    도상처리%희소편마%류형학습%수거강유
    image processing%sparse coding%manifold learning%dimensionality reduction
    本文将稀疏重构与流形学习算法两算法结合运用于图像降噪方面,提出了基于拉普拉斯图谱嵌入的稀疏编码.该方法利用拉普拉斯图谱的局部相关性,通过对权重矩阵的改进,增强数据间的关系表示,同时又通过稀疏理论进一步优化代表低维数据点的稀疏系数进行数据压缩,从而进一步提高图像降噪效果.
    본문장희소중구여류형학습산법량산법결합운용우도상강조방면,제출료기우랍보랍사도보감입적희소편마.해방법이용랍보랍사도보적국부상관성,통과대권중구진적개진,증강수거간적관계표시,동시우통과희소이론진일보우화대표저유수거점적희소계수진행수거압축,종이진일보제고도상강조효과.
    원문보기 원문다운로드 사이트로이동
저자의 최근 논문