基于稀疏编码的图像分类

高光谱图像的稀疏分解能得到其稀疏表示形式,便于对图像进行压缩处理。因高光谱图像特征复杂,单一正交基无法捕捉到图像信号的所有特征,需构建原子个数更多的冗余字典对高光谱图像进行稀疏表示。针对高光谱图像,以

基于稀疏去噪的DTCWT火焰图像融合检测

为解决暗通道先验去雾算法在天空区域和大片白色区域色彩失真的问题, 提出了一种基于稀疏表示模型和特征提取的单幅图像去雾算法。通过稀疏字典的训练过程, 学习雾天图像的稀疏特征, 初步优化粗略介质传输图的稀

针对人体器官计算机断层扫描(CT)图像边缘模糊、难以自动分割的问题,提出了一种基于局部先验形状信息和主动轮廓模型的分割方法。针对一个形状与训练集中样本相似的器官目标,在基于图像灰度信息进行底层分割的同

基于压缩感知的MRI图像重构是利用图像稀疏性,从数量非常有限的观测数据集合中重构出图像,通常L1范数能够产生稀疏解, 但它往往与真实稀疏解(L0的解)差距甚大,重构效果不理想,而且在一些图像重构的应用

自编码器的主要目的是通过无监督学习神经网络抽取样本的内在特征，也可以称之为有监督学习神经网络（样本标签即自身）。其基本思想是试图建立一个输出≈输入的神经网络，设置该网络的隐层神经元个数小于输入样本的维

介绍稀疏编码基本理论，以及稀疏编码应用的一些相关知识，pdf文档

KSVD稀疏编码算法的MATLAB源码，可用于图像压缩。

使用方法：1.downloadIMAGES.matfromhttp://redwood.berkeley.edu/bruno/sparsenet/2.copyIMAGES.matto./data

基于Golomb编码的图像压缩 用Matlab预言进行编写 此为源码