题名 基于凸集投影的计算机图像重建优化算法
1
作者
王振华
机构
福州软件职业技术学院智能产业学院
出处
《贵阳学院学报（自然科学版）》
2023年第3期89-94,共6页
文摘
移动互联网的发展以及社交信息技术的不断涌现使得大量的数据信息充斥在生产和生活过程中,其中图像作为事物的直观呈现方式之一,其应用范围得到较大程度的扩展。但图像融合质量、成像噪声、像素分辨率等因素使得当前计算机图像重建质量难以得到较好的保证。基于凸集投影算法,考虑到迭代次数和松弛因子对算法的影响,对其进行全变分处理以保证图像的边缘信息。同时为减少算法步长对收敛性能的干扰,在全变分凸集投影算法基础上引入Armijo法则和KSVD分解以实现目标图像训练和稀疏表达。结果表明,所提算法MSE均值为355.28,平均SNR为21.44,信息熵值基本低于8.5,其性能结果均优于其他四种对比算法,图像重建信息质量效果较好,能有效为计算机图像信息的处理和伪影消除提供新的改进思路。
关键词
凸集投影 计算机图像 POCS算法 ART TV ksvd 分解
Keywords
Convex set projection Computer image POCS algorithm ART TV ksvd decomposition
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 CEEMD与KSVD字典训练相结合的去噪方法
被引量：22
2
作者
乐友喜 杨涛 曾贤德
机构
中国石油大学(华东)地球科学与技术学院 黄河勘测规划设计研究院有限公司 中国能源建设集团新疆电力设计院有限公司
出处
《石油地球物理勘探》
EI
CSCD
北大核心
2019年第4期729-736,I0007,共9页
文摘
本文提出一种完备总体经验模态分解(CEEMD)方法与K奇异值分解(KSVD)学习字典算法相结合的地震信号去噪方法。含噪信号通过CEEMD分解得到一系列不同尺度的固有模态函数(IMF);按频率由高到低依次排列IMF各分量,并做自相关分析,去除噪声主导的IMF分量;将累加的过渡IMF分量叠加重构并做CEEMD二次分解,通过自相关分析再次去除噪声主导的IMF分量;分别叠加二次CEEMD分解剩余的IMF分量和一次剩余的IMF分量,得到两个新的含噪信号,并利用KSVD过完备字典分别稀疏表示该两个新的含噪信号,即由稀疏系数重构去噪后地震信号,进而重构最终去噪结果。实验结果证明:该算法的去噪效果明显优于F-X去噪、小波阈值去噪和KSVD字典稀疏去噪等传统方法。
关键词
完备总体经验模态分解 ksvd 学习字典稀疏表示 自相关 随机噪声
Keywords
complete ensemble empirical mode decomposition (CEEMD) K singular value decomposition (ksvd )learning dictionary sparse representation autocorrelation random noise
分类号
P631
[天文地球—地质矿产勘探]
题名 基于残差的图像超分辨率重建
被引量：7
3
作者
陈华华 姜宝林 刘超 陈伟强 陆宇 张嵩
机构
杭州电子科技大学通信工程学院
出处
《中国图象图形学报》
CSCD
北大核心
2013年第1期42-48,共7页
基金
浙江省自然科学基金项目(Y1111213)
文摘
提出一种基于图像残差的超分辨率重建算法。以原高分辨率图像与插值放大后图像之间的图像残差与低分辨率图像样本特征作为样本对,对其进行K均值分类,并对每类样本对采用KSVD(K-singular value decomposi-tion)方法进行训练获得高、低分辨率字典对,然后根据测试样本与类中心的欧氏距离选择字典对,以与测试样本相近的多个类别所重建的结果加权获得图像残差,并结合低分辨率图像的插值结果获得高分辨率图像。实验结果表明,提出的方法具有更高的重建质量,且采用训练样本分类和相近类别的重建结果的加权和有利于提高图像重建质量。
关键词
残差 超分辨率 字典 K奇异值分解(ksvd )
Keywords
residual error super-resolution dictionary K-singular value decomposition
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于VMD-KSVD字典学习降噪的大坝变形预测
4
作者
柳磊 李登华 丁勇
机构
南京理工大学物理学院 南京水利科学研究院 水利部水库大坝安全重点实验室
出处
《大地测量与地球动力学》
CSCD
北大核心
2024年第9期951-958,984,共9页
基金
国家重点研发计划(2022YFC3005502) 国家自然科学基金(51979174,U2240221)。
文摘
提出一种自适应变分模态分解和KSVD字典学习相结合的降噪算法。该方法对监测序列分解后的子序列进行降噪,同时考虑残差序列的特征,从而充分保留监测序列中的有效信息。以某大坝变形监测数据为例进行测试,结果表明,该方法能够较好地保留监测序列中的有效信息,相较于传统的降噪算法更适用于复杂情况下的大坝变形预测,能进一步提高预测模型的泛化能力。
关键词
自适应变分模态分解 ksvd 字典学习 变形预测 大坝安全监测
Keywords
adaptive variational mode decomposition ksvd dictionary learning deformation prediction dam safety monitoring
分类号
P258
[天文地球—测绘科学与技术]
题名 组合MKSVD和MPOCS的图像恢复
被引量：2
5
作者
苏品刚 孙站里 尚丽
机构
苏州市职业大学电子信息工程系 安徽大学电子工程与自动化学院
出处
《计算机工程与设计》
北大核心
2018年第9期2800-2804,2821,共6页
基金
国家自然科学基金项目(61373098 61370109)
文摘
为获得较高质量的恢复图像,采用一种改进的KSVD(MKSVD)算法对低分辨率(LR)图像进行消噪处理,进一步对消噪结果采用一种改进的POCS(MPOCS)算法进行恢复,得到边缘特征更清晰的恢复图像。MKSVD是一种典型的稀疏字典学习方法,具有自适应消噪特性,可有效减少特征系数的训练时间;MPOCS采用双边滤波器实现POCS算法中点扩散函数(PSF)的估计,较好保持了图像的边缘细节。采用模拟和真实的LR图像进行测试,仿真结果表明了该图像恢复方法的有效性。
关键词
凸集投影(POCS)方法 双边滤波 稀疏字典 改进ksvd 算法 快速稀疏编码(FSC) 图像恢复
Keywords
projection onto convex sets(POCS)method bilateral filter sparse dictionary modified K-mean singular decomposition (Mksvd )algorithm fast sparse coding(FSC) image restoration
分类号
TN911.73
[电子电信—通信与信息系统]
