PCA降维，基于稀疏表示和支持向量机的人脸识别。
2021-09-28 14:05:35
589KB
针对K-SVD 算法学习得到的字典结构性不强的问题,利用图像的非局部自相似性,提出了基于稀疏表示的图像分类字典学习方法(NLC-DL).该方法利用K-means对图像块进行聚类并对每个子类进行字典学习,增强字典的有效性.根据正交匹配追踪算法(OMP)求得稀疏系数,迭代优化字典,最终利用优化后字典和稀疏系数矩阵重构图像.实验结果表明:生成的学习字典对训练样本的表达误差更小,能够有效地保持图像的结构信息,重构后的图像在峰值信噪比和视觉效果方面均优于传统方法.
2021-09-25 14:56:54
899KB
1
以信号处理中的稀疏表示为研究对象，重点阐述K-SVD方法的步骤，实现用较少基本信号的线性组合来重构原始信号，使得信号残差尽可能地小。
2021-09-18 13:13:24
1.94MB
1
图像稀疏表示研究已成为近年来图像表示研究的热点，尤其是探讨基于人眼视觉的基函数理论模型及构造方法，研究快速、有效的图像稀疏表示算法，将有利于推动图像处理领域研究的开展，为图像表示提供新的理论与方法，具有重要的理论意义。
2021-09-01 22:16:23
27MB
1