暂无评论
由于单正则化图像复原算法所利用的先验信息有限,影响了复原图像的质量。为克服此类算法的不足,融入更多的先验信息,改善图像复原的效果。在稀疏表示的理论框架下,提出了一种多正则优化图像复原算法。该算法将图像
一种用于高光谱图像分类的新型分层半监督支持向量机
Image Classification Research Based on Active Learning
稀疏子空间聚类(SSC)算法在高光谱图像聚类中取得了令人印象深刻的性能。但是,使用包含噪声的原始样本来构造字典。 此外,SSC代表每个信号,而忽略了高光谱像素之间的关系。 为了克服这些问题,我们提出了
常用的高光谱图像分类数据集包括Indian Pines、Pavia Centre、Pavia University、Salinas-A和Washington_DC。这些数据集广泛用于图像分类领域,奠定
多数稀疏表示方法需要原子数目远远大于原子维数的大规模冗余字典,并采用l1-范数最小化方法来计算稀疏系数。为了降低算法复杂度,提出一种基于稀疏表示的快速l2-范数人脸识别方法。通过提取融合特征和缩小字典
支持向量机(SupportVectorMachines,SVM)是 一种基于统计学习理论的机器学习算法,采用结构 风险最小化(StructuralRiskMinimization,SRM)准 则
运用稀疏表示对人脸进行识别
论文《Robust Face Recognition via Sparse Representation》的Matlab代码。
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
暂无评论