基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了减少图像稀疏分解的计算量,提出了一种基于量子遗传算法与匹配追踪相结合的图像稀疏分解快速算法.量子遗传算法能用较小的种群规模实现较大的空间搜索,全局寻优能力强,基于匹配追踪的图像稀疏分解是最优化问题,因此可用量子遗传算法快速实现.仿真结果表明,每步分解所需计算的图像或图像残差与原子的内积仅4 000次,由分解结果重建的图像具有较好的主观质量.
推荐文章
基于稀疏非负TT分解的图像分类算法
Tensor Train分解
交替非负最小二乘法
非负张量分解
稀疏性
基于稀疏分解的分块图像压缩编码算法
图像编码
分块压缩感知
稀疏分解
基于量子进化算法的交通图像稀疏分解
图像处理
交通图像
稀疏分解
量子进化算法
基于改进遗传算法的稀疏重构算法
多种群遗传算法
模拟退火遗传算法
DoA估计
稀疏重构
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于量子遗传优化算法的图像稀疏分解
来源期刊 西南交通大学学报 学科 工学
关键词 图像处理 稀疏分解 匹配追踪 量子遗传算法
年,卷(期) 2007,(1) 所属期刊栏目
研究方向 页码范围 19-23
页数 5页 分类号 TN911.73|TP391.4
字数 3823字 语种 中文
DOI 10.3969/j.issn.0258-2724.2007.01.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王建英 西南交通大学信息科学与技术学院 69 1066 19.0 29.0
2 尹忠科 西南交通大学信息科学与技术学院 88 1741 22.0 38.0
3 李恒建 西南交通大学信息科学与技术学院 7 114 5.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (85)
参考文献  (8)
节点文献
引证文献  (52)
同被引文献  (117)
二级引证文献  (256)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(1)
  • 二级参考文献(0)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(3)
  • 参考文献(1)
  • 二级参考文献(2)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(3)
  • 参考文献(2)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(3)
  • 引证文献(3)
  • 二级引证文献(0)
2009(7)
  • 引证文献(4)
  • 二级引证文献(3)
2010(9)
  • 引证文献(6)
  • 二级引证文献(3)
2011(22)
  • 引证文献(7)
  • 二级引证文献(15)
2012(19)
  • 引证文献(8)
  • 二级引证文献(11)
2013(29)
  • 引证文献(5)
  • 二级引证文献(24)
2014(28)
  • 引证文献(2)
  • 二级引证文献(26)
2015(31)
  • 引证文献(4)
  • 二级引证文献(27)
2016(45)
  • 引证文献(6)
  • 二级引证文献(39)
2017(50)
  • 引证文献(2)
  • 二级引证文献(48)
2018(34)
  • 引证文献(4)
  • 二级引证文献(30)
2019(26)
  • 引证文献(0)
  • 二级引证文献(26)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
图像处理
稀疏分解
匹配追踪
量子遗传算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
西南交通大学学报
双月刊
0258-2724
51-1277/U
大16开
四川省成都市二环路北一段
62-104
1954
chi
出版文献量(篇)
3811
总下载数(次)
4
总被引数(次)
51589
相关基金
教育部留学回国人员科研启动基金
英文译名:the Scientific Research Foundation for the Returned Overseas Chinese Scholars, State Education Ministry
官方网址:http://www.csc.edu.cn/gb/
项目类型:
学科类型:
论文1v1指导