-
题名基于高阶鲁棒主成分分析的视频前景与背景分离
- 1
-
-
作者
周至恺
廖亮
王月轮
顾强
魏平俊
-
机构
中原工学院电子信息学院
-
出处
《信息技术与信息化》
2024年第3期58-61,共4页
-
基金
中原工学院科研团队发展项目(K2022TD001)
河南省杰出外籍科学家工作室(GZS2022012)。
-
文摘
运动目标检测的发展历史由来已久,出现了基于均值方法、中值方法、直方图方法和高斯混合模型等各种检测算法。然而,这些目标检测方法往往未考虑图像背景之间的时间相关性以及前景对象内的空间连续性,也未考虑视频中的其他结构信息。采用微观视角,将目标视频中每个帧像素的张量化进行了扩展,即将原始图像的像素邻域扩展为一定阶数的数组。因此,原始图像转化为了一个形式上的高阶图像。所提出的模型旨在应用于诸如视频前景背景分离等任务,以增强图像算法的有效性。
-
关键词
运动目标检测
张量
邻域扩展
高阶图像
视频前景背景分离
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于WSNM-RPCA的图像降噪算法
- 2
-
-
作者
王月轮
廖亮
周至恺
邱枫
魏平俊
-
机构
中原工学院电子信息学院
-
出处
《信息技术与信息化》
2024年第3期74-77,共4页
-
基金
中原工学院科研团队发展项目(K2022TD001)
河南省杰出外籍科学家工作室(GZS2022012)。
-
文摘
通常情况下,鲁棒主成分分析(RPCA)在数据矩阵的正部分条目被任意损坏,或是缺少部分条目的情况下,依然可以恢复数据矩阵的主成分,但RPCA中采用核范数最小化(NNM),往往会过度缩小秩分量,限制了分离的质量,因此使用加权Schatten-p范数的最小化(WSNM)来代替核范数的最小化,以取得更好的低秩逼近效果。灰度图像和彩色图像均可以用低秩矩阵去近似,因此可以用基于WSNM的RPCA模型来对含有随机噪声的图像进行恢复。经实验验证,与基于核范数的RPCA相比,基于WSNM的RPCA模型可以更有效地提高降噪的效果。
-
关键词
鲁棒主成分分析
加权schatten
p-范数最小化
基于WSNM的鲁棒主成分分析
矩阵低秩近似
图像降噪
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
