基于TSVD的高阶图像低秩近似新方法

• 作者: 廖亮 杨洁 魏平俊
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 高阶广义复数矩阵 广义奇异值分解 高阶图像低秩近似 领域选取 指数增长
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 多媒体技术应用
• 页码范围: 133-137,161
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.10.021

摘要

提出一种基于广义奇异值分解的高阶图像低秩近似新方法.在传统矩阵分析的基础上,介绍高阶广义矩阵的生成及定义,得出广义奇异值分解不仅适用于传统的实数矩阵,对高阶广义复数矩阵亦具有重要意义.实验在高阶图像低秩近似的基础上,提出两种改进方案,一是将传统的实数矩阵扩展成为高阶广义复数矩阵,二是在领域选取时,分析比较指数增长和线性增长方式的近似效果.数值实验验证了高阶广义复数矩阵具有更高的低秩近似效果,指数增长方式与线性增长方式相比具有明显的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏平俊		30	58	5.0	6.0
2	廖亮		20	41	3.0	6.0
3	杨洁		8	5	1.0	2.0