稀疏表示中用来训练字典的ksvd算法,有demo
针对经典稀疏分类目标跟踪算法中目标模板和目标基的建模及更新方式效率低, 跟踪性能不可靠等问题, 提出一种新的目标跟踪算法, 解释了时空约束原理, 目标基、背景基、时序特征池的创建方法以及选择与抛弃两种
为了解决高维数据在分类时导致的维数灾难,降维是数据预处理阶段的主要步骤。基于稀疏学习进行特征选择是目前的研究热点。针对现实中大量非线性可分问题,借助核技巧,将非线性可分的数据样本映射到核空间,以解决特
为了提升自然场景图像的识别精度,结合bag-of-visual word模型,提出了一种基于核稀疏表示的图像识别方法。该方法的图像描述部分主要利用核稀疏表示在高维度空间进行图像特征的匹配表示,识别部分
稀疏表示波达方向(DOA)估计算法具有分辨力高等优点,但是对阵元个数要求高、低信噪比时估计性能恶化严重,不利于在实际系统中应用。为此,提出一种基于实信号特点的稀疏表示波达方向估计算法。首先,建立实值稀
传统的基于自然图像块的稀疏表示模型在字典学习的过程中需要求解一个非常高计算复杂度的大规模优化问题以及在稀疏编码和字典学习过程中,每一个图像块都是独立考虑的,忽略了块与块之间的相关性,从而导致了不够精确
TV-Wavelet-L1(TVWL1)模型因包含全变分(Total-variation,TV)和小波正则化约束,具有较强的图像重建能力。而传统求解TVWL1模型的算法往往忽略了综合/分析稀疏表示方法
逆合成孔径雷达对空中机动飞行目标进行成像,在成像积累时间内,成像投影平面和横向尺度随时间变化,许多参数很难准确提取,人们无法获得更多的先验知识。一般采用鲁棒性强的距离-多普勒(RD)算法进行成像,但传
主要介绍了浅谈TensorFlow之稀疏张量表示,具有很好的参考就价值,希望对大家有所帮助。一起跟随小编过来看看吧
稀疏表示经典,详细介绍了稀疏表示的算法,字典学习方法以及在图像处理中的应用