模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2019, Vol. 32 Issue (10): 917-926    DOI: 10.16451/j.cnki.issn1003-6059.201910006
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
图像组转置训练及非凸约束的去噪去模糊算法
杨平1, 赵燕伟1, 郑建炜1, 王万良1
1.浙江工业大学 计算机科学与技术学院 杭州 310023
Image Patch Transform Training and Non-convex Regularization for Image Denoising and Deblurring
YANG Ping1, ZHAO Yanwei1, ZHENG Jianwei1, WANG Wanliang1
1.College of Computer Science and Technology, Zhejiang University of Technology, Hangzhou 310023

全文: PDF (1211 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对稀疏表示模型的过完备字典集训练过程中图像块采样不充分问题,提出图像组转置训练及非凸约束的去噪去模糊算法.采用组间方差约束的图像块搜索策略,并根据自适应软阈值对筛选的字典集进行转置学习.在重构过程中采用lp(0<p<1)范数约束以保证结果的强稀疏性.最后采用Bregman拆分迭代法求解文中非凸模型.实验表明,文中算法重构图像具有较好的视觉效果,去噪去模糊效果较优.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
杨平
赵燕伟
郑建炜
王万良
关键词 去噪去模糊转置学习字典学习非凸优化Bregman拆分迭代    
Abstract:Aiming at insufficient sampling of image patches in the process of over-complete dictionary training of sparse representation model, an algorithm of image patch transform training and non-convex regularization for image denoising and deblurring is proposed. The image patch search strategy with inter-group variance constraint is adopted, and the selected dictionary set is transposed and learned according to the adaptive soft threshold. The lp(0<p<1) norm is adopted in the reconstruction process to ensure strong sparsity of the results. Split Bregman method is employed to solve the proposed non-convex model. Experimental results show that the proposed algorithm produces better visual effect and Denoising and Deblurring effect.
Key wordsDenoising    Deblurring    Transform Learning    Dictionary Learning    Non-convex Optimization    Bregman Split Iteration   
收稿日期: 2019-03-14     
ZTFLH: TP 391  
基金资助:国家自然科学基金项目(No.61602413,61873240)、浙江省自然科学基金面上项目(No.LY19F030016)资助
通讯作者: 王万良,博士,教授,主要研究方向为人工智能.E-mail:zjutwwl@zjut.edu.cn.   
作者简介: 杨平,博士研究生,主要研究方向为机器学习、模式识别.E-mail:ypingpds@163.com;赵燕伟,博士,教授,主要研究方向为优化调度.E-mail:zyw@zjut.edu.cn郑建炜,博士,副教授,主要研究方向为模式识别、计算机视觉.E-mail:zjw@zjut.edu.cn.
引用本文:   
杨平, 赵燕伟, 郑建炜, 王万良. 图像组转置训练及非凸约束的去噪去模糊算法[J]. 模式识别与人工智能, 2019, 32(10): 917-926. YANG Ping, ZHAO Yanwei, ZHENG Jianwei, WANG Wanliang. Image Patch Transform Training and Non-convex Regularization for Image Denoising and Deblurring. , 2019, 32(10): 917-926.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201910006      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2019/V32/I10/917
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn