-
题名基于TSVD的高阶图像低秩近似新方法
- 1
-
-
作者
杨洁
魏平俊
廖亮
-
机构
中原工学院电子信息学院
-
出处
《计算机应用与软件》
北大核心
2020年第10期133-137,161,共6页
-
基金
国家自然科学基金项目(U1404607)。
-
文摘
提出一种基于广义奇异值分解的高阶图像低秩近似新方法。在传统矩阵分析的基础上,介绍高阶广义矩阵的生成及定义,得出广义奇异值分解不仅适用于传统的实数矩阵,对高阶广义复数矩阵亦具有重要意义。实验在高阶图像低秩近似的基础上,提出两种改进方案,一是将传统的实数矩阵扩展成为高阶广义复数矩阵,二是在领域选取时,分析比较指数增长和线性增长方式的近似效果。数值实验验证了高阶广义复数矩阵具有更高的低秩近似效果,指数增长方式与线性增长方式相比具有明显的优越性。
-
关键词
高阶广义复数矩阵
广义奇异值分解
高阶图像低秩近似
领域选取
指数增长
-
Keywords
High-order generalized complex matrix
TSVD
Low rank approximation of high-order images
Field selection
Exponential growth
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
