基于Gabor 感知多成份字典的图像稀疏表示算法研究.pdf

基于Gabor 感知多成份字典的图像稀疏表示算法研究.pdf

ID:32042269

大小:947.44 KB

页数:9页

时间:2019-01-30

基于Gabor 感知多成份字典的图像稀疏表示算法研究.pdf_第1页
基于Gabor 感知多成份字典的图像稀疏表示算法研究.pdf_第2页
基于Gabor 感知多成份字典的图像稀疏表示算法研究.pdf_第3页
基于Gabor 感知多成份字典的图像稀疏表示算法研究.pdf_第4页
基于Gabor 感知多成份字典的图像稀疏表示算法研究.pdf_第5页
资源描述:

《基于Gabor 感知多成份字典的图像稀疏表示算法研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、第XX卷第X期自动化学报Vol.XX,No.X200X年X月ACTAAUTOMATICASINICAMonth,200X基于Gabor感知多成份字典的图像稀疏表示算法研究孙玉宝1肖亮1韦志辉2邵文泽1摘要如何设计合适的能够匹配各层面几何结构的图像稀疏表示过完备字典进而形成对图像的稀疏分解是当前研究者关注的热点问题.根据图像的几何结构特性,从人类视觉系统特性出发,建立了匹配各层面图像结构的Gabor感知多成份字典,进而提出一种高效的基于匹配追踪的图像稀疏分解算法.实验结果表明:Gabor感知多成份字典具有对图像中平滑、边缘与纹理结构

2、的自适应性,与AnisotropicRe¯nement-Gaussian混合字典相比以较少的原子实现了对图像更为高效的稀疏分解.关键词稀疏表示,视觉感知,几何结构,Gabor感知多成份字典,匹配追踪中图分类号TN911.73SparseRepresentationsofImagesbyAMulti-componentGaborPerceptionDictionary1121SUNYu-baoXIAOLiangWEIZhi-huiSHAOWen-zeAbstractItisahotresearchtopiccurrentlythat

3、howtodesignane®ectiveover-completedictionarymatchingvari-ouslygeometricstructuresofimagestoprovidesparserepresentationofimages.AMulti-componentGaborPerceptionDictionarymatchingvariousimagestructuresisconstructedintermsofgeometricpropertiesofthelocalstructuresandtheper

4、ceptioncharacterofHVS.Furthermore,ane®ectivealgorithmbasedonthematchingpursuitmethodispro-posedtoobtainsparsedecompositionofimageswithourdictionary.TheexperimentalresultsindicatethattheGabormulti-componentperceptiondictionarycanadaptivelyprovideapreciseandcompletechar

5、acterizationoflocalgeometrystructures,suchasplain,edgeandtextureinimages.IncomparisonwiththeAnisotropicRe¯nement-Gaussianmixeddictionary,ourdictionaryhasamuchsparserrepresentationofimages.Keywordssparserepresentation,visualperception,geometricalstructure,multi-compone

6、ntGaborperceptiondictio-nary,matchingpursuit1引言更为有效的表示方法:稀疏表示(sparserepresen-tation).稀疏表示模型要求图像线性展开中大部分调和分析认为,图像可以表示为一组基函基函数的系数为零,只有少数基函数具有较大的非数的线性组合,如Fourier基函数、小波函数等零系数.这里称基函数为原子,所有原子信号的集合等.受人类视觉皮层神经元响应的稀疏性启为字典.稀疏表示使信号能量只集中于较少的原子,发[1],Olshausen&Field[2;3]提出了一种对自然图像具

7、有非零系数的原子揭示了信号的主要特征与内在结构.它在图像处理与计算机视觉中应用广泛,许多收稿日期2007-09-20收修改稿日期2007-12-25ReceivedSep20,2007;inrevisedformDec25,2007问题的有效解决都依赖于信号的稀疏表示,如图像国家"863"高技术研究发展计划(2007AA12E100),国家自然科学基恢复、图像压缩、模式分类等等.金(60672074),江苏省自然科学基金项目(BK2006569),中国博士后科学基金(20060390285),江苏省博士后科学基金(20060100

8、5B),教图像是一种具有多种结构成份的二维复杂信号,育部高校博士点专项科研基金(M200606018)当前的正交变换系统并不能对其形成有效表示.增SupportedbyNationalHighTechnologyRe-searchandDevelo

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。