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:
针对基于梯度L0范数正规化的变分泛函最优化分解图像时误判噪声梯度为边缘梯度的问题,提出一种基于图像局部梯度的L0范数正规化的图像分解算法.该算法构造了一个由保真函数和正则项构成的适用于图像分解的变分泛函,其中正则顶用图像的局部梯度的L0范数进行估计,进而通过求解泛函的最小值,以分解出图像的结构信息(即图像的边缘).与直接基于图像一阶梯度的L0范数的分解算法相比,该算法可以去除噪声梯度的干扰,从而使分解出的图像边缘中不合有噪声.实验结果表明,该算法在分解图像结构和纹理时,既能很好地把边缘保留在图像结构层中,也可把噪声分解到图像结构层外.
推荐文章
基于平滑l0范数正交子空间非负矩阵分解
非负矩阵分解
正交性
聚类
稀疏表示
l0范数
基于L0范数的Retinex图像增强算法
Retinex算法
L0范数
提取轮廓
图像增强
基于e0范数优化算法的图像重建
压缩感知
图像重建
稀疏信号重建
e0范数优化
L0范数的图像修复模型
紧框架
全变分
图像修复
交替方向法
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 基于图像局部梯度L0范数正规化的图像分解算法
来源期刊 计算机应用 学科 工学
关键词 局部梯度 图像分解 L0范数 变分泛函 噪声
年,卷(期) 2014,(6) 所属期刊栏目 虚拟现实与数字媒体
研究方向 页码范围 1738-1740,1745
页数 4页 分类号 TP391|TN911.73
字数 2149字 语种 中文
DOI 10.11772/j.issn.1001-9081.2014.06.1738
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 潘康俊 浙江工贸职业技术学院电子工程系 7 16 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (1)
同被引文献  (8)
二级引证文献  (0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
局部梯度
图像分解
L0范数
变分泛函
噪声
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
计算机应用
月刊
1001-9081
51-1307/TP
大16开
成都237信箱
62-110
1981
chi
出版文献量(篇)
20189
总下载数(次)
40
论文1v1指导