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K-SVD算法学习得到的字典结构性不强的问题,利用图像的非局部自相似性,提出了基于稀疏表示的图像分类字典学习方法( NLC-DL).该方法利用K-means对图像块进行聚类并对每个子类进行字典学习,增强字典的有效性.根据正交匹配追踪算法( OMP)求得稀疏系数,迭代优化字典,最终利用优化后字典和稀疏系数矩阵重构图像.实验结果表明:生成的学习字典对训练样本的表达误差更小,能够有效地保持图像的结构信息,重构后的图像在峰值信噪比和视觉效果方面均优于传统方法.
推荐文章
基于字典优化的稀疏表示的视频镜头分类
稀疏表示
字典优化
视频镜头分类
基于核字典学习的图像分类
目标分类
稀疏表示
核字典学习
线性鉴别分析
支持向量机
基于字典学习的图像稀疏去噪算法
稀疏字典
K-SVD算法
字典学习
稀疏去噪
基于增强字典稀疏表示分类的SAR目标识别方法
合成孔径雷达
目标识别
增强字典
稀疏表示分类
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 基于稀疏表示的图像分类字典学习
来源期刊 浙江师范大学学报(自然科学版) 学科 工学
关键词 非局部 自相似性 稀疏表示 字典学习 K-均值
年,卷(期) 2015,(4) 所属期刊栏目 计算机
研究方向 页码范围 402-409
页数 8页 分类号 TP391
字数 4528字 语种 中文
DOI 10.16218/j.issn.1001-5051.2015.04.008
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 何小卫 浙江师范大学数理与信息工程学院 30 230 7.0 14.0
2 张莉 浙江师范大学数理与信息工程学院 4 8 1.0 2.0
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  (6)
节点文献
引证文献  (7)
同被引文献  (6)
二级引证文献  (1)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(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)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(3)
  • 引证文献(3)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
非局部
自相似性
稀疏表示
字典学习
K-均值
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
浙江师范大学学报(自然科学版)
季刊
1001-5051
33-1291/N
大16开
浙江金华浙江师范大学33信箱
1960
chi
出版文献量(篇)
2287
总下载数(次)
2
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导