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:
图像处理领域中有许多解决方案都使用离散泊松方程来求解,这涉及到大型拉普拉斯矩阵的求逆,直接求解时间消耗较大.提出一种分层稀疏化算法,通过剔除拉普拉斯矩阵邻接三角形中的最小边,补偿其他两条相邻边,并在子系统上不断迭代这个过程,通过减小拉普拉斯矩阵的条件数来减少时间消耗.以图像处理中保边滤波算法过程中的拉普拉斯矩阵求逆为例进行稀疏化算法研究,通过比较稀疏化处理前后在拉普拉斯矩阵迭代求逆过程中的条件数,验证了该算法的有效性.通过收集500张图案,建立不同大小图案的样本库,利用样本库统计稀疏化处理前后拉普拉斯矩阵求逆所需时间.统计数据证明该算法可将大型拉普拉斯矩阵的求逆的时间消耗减少60%,且随矩阵规模变大,加速效果增强.
推荐文章
图拉普拉斯矩阵谱特性分析
拉普拉斯矩阵
频谱特性
特征向量
卷积神经网络
图结构特性
MATLAB
几类拉普拉斯整图
拉普拉斯
拉普拉斯多项式
拉普拉斯整图
基于ε-邻域和拉普拉斯矩阵秩约束的谱聚类算法
谱聚类算法
ε-邻域
秩约束
l2,1范数
拉普拉斯矩阵
图的拉普拉斯谱半径
拉普拉斯矩阵
非负矩阵
拉普拉斯谱半径
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 图像处理中拉普拉斯矩阵的稀疏化处理
来源期刊 机电工程技术 学科 工学
关键词 图像处理 离散泊松方程 拉普拉斯矩阵 分层迭代 稀疏化
年,卷(期) 2018,(9) 所属期刊栏目 研究与开发
研究方向 页码范围 9-11
页数 3页 分类号 TP751
字数 2232字 语种 中文
DOI 10.3969/j.issn.1009-9492.2018.09.003
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 赵祖烨 华中科技大学材料成型与模具技术国家重点实验室 16 45 4.0 6.0
2 张军飞 4 5 1.0 2.0
3 田俊杰 华中科技大学材料成型与模具技术国家重点实验室 2 2 1.0 1.0
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  (0)
同被引文献  (0)
二级引证文献  (0)
2004(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)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(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)
2018(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)
研究主题发展历程
节点文献
图像处理
离散泊松方程
拉普拉斯矩阵
分层迭代
稀疏化
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
机电工程技术
月刊
1009-9492
44-1522/TH
大16开
广州市天河北路663号
46-224
1971
chi
出版文献量(篇)
11098
总下载数(次)
46
总被引数(次)
29526
论文1v1指导