已閱讀1頁，還剩55頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、含缺失成分的矩陣低秩分解在計算機視覺領(lǐng)域有許多應(yīng)用。不采取任何先驗信息用來最小化所有已知矩陣元素總重構(gòu)誤差的原始模型能為應(yīng)用提供一種非物理意義上的解決方法。本文第二章對含缺失成分的矩陣提出一個正則低秩分解模型，即平滑不完全矩陣分解（Smooth Incomplete Matrix Factorization，SIMF），并基于SIMF提出了一種新的的圖像/視頻去噪算法。由于多數(shù)應(yīng)用中的數(shù)據(jù)通常內(nèi)部空間平滑，因此SIMF將二維離散拉普拉斯
2、算子作為正則化因子去約束矩陣元素使其局部平滑分布。這個問題可以表達(dá)為兩個在l1范數(shù)和Frobenius范數(shù)下的最優(yōu)化問題，并分別設(shè)計兩種迭代算法。再通過以高維拉普拉斯取代二維拉普拉斯，將SIMF推廣到張量情況，即平滑不完全張量分解(Smooth Incomplete TensorFactorization，SITF)。最后基于SIMF或SITF得到一種圖像或視頻去噪算法。大量的實驗結(jié)果表明文中算法的有效性。本文第三章針對在許多實際應(yīng)用中
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 低秩稀疏矩陣分解在視頻監(jiān)控中的應(yīng)用.pdf
- 基于矩陣低秩與稀疏分解的視頻圖像融合研究.pdf
- 低秩矩陣分解的正則化方法與應(yīng)用.pdf
- 非負(fù)低秩組稀疏矩陣分解及其圖像檢索應(yīng)用.pdf
- 低秩矩陣恢復(fù)在醫(yī)學(xué)圖像配準(zhǔn)中的應(yīng)用.pdf
- 矩陣低秩逼近在圖像壓縮中的應(yīng)用.pdf
- 基于矩陣低秩稀疏分解的圖像融合算法研究.pdf
- 低秩表達(dá)方法在視頻信號處理中的應(yīng)用.pdf
- 基于低秩矩陣與稀疏矩陣分解的語音增強方法.pdf
- 矩陣分解方法在圖像分類中的應(yīng)用研究.pdf
- 基于多維矩陣低秩分解的信號處理技術(shù)研究.pdf
- 基于低秩矩陣分解的非局部稀疏模型圖像去噪方法研究.pdf
- 基于加權(quán)殘差和矩陣分解的快速低秩矩陣補全方法.pdf
- 基于低秩矩陣逼近的圖像恢復(fù)方法研究.pdf
- 低秩逼近方法在傳感數(shù)據(jù)處理中的應(yīng)用.pdf
- 非負(fù)矩陣分解方法及其在選票圖像識別中的應(yīng)用.pdf
- 基于低秩矩陣恢復(fù)的視頻修復(fù)研究.pdf
- 基于投影替代與矩陣低秩稀疏分解的多光譜圖像融合.pdf
- 18779.秩方法在矩陣方程研究中的應(yīng)用
- 基于稀疏表示和低秩矩陣分解的人臉識別與圖像對齊方法研究.pdf
評論
0/150
提交評論