过完备字典
过完备字典的相关文献在2010年到2021年内共计98篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、机械、仪表工业
等领域,其中期刊论文76篇、会议论文1篇、专利文献2260篇;相关期刊61种,包括苏州市职业大学学报、系统工程与电子技术、信息工程大学学报等;
相关会议1种,包括2015年第十届全国毫米波亚毫米波会议等;过完备字典的相关文献由264位作者贡献,包括于华楠、刘芳、孙林慧等。
过完备字典
-研究学者
- 于华楠
- 刘芳
- 孙林慧
- 徐国明
- 杨淑媛
- 杨震
- 郭俊锋
- 余杰
- 刘买利
- 刘军
- 刘少创
- 刘晓琼
- 刘继忠
- 卞晓晓
- 叶朝辉
- 吕植成
- 吴建宁
- 吴月勤
- 吴芝路
- 周明星
- 周欣
- 夏朝禹
- 孙献平
- 尚荣华
- 张向荣
- 张婷
- 张永平
- 张璐璐
- 张立宪
- 张雄伟
- 戎玲
- 托马斯·郑
- 曾丽君
- 曾理
- 朱婧雅
- 朱杰
- 李佶莲
- 李广
- 李玲玲
- 李轶南
- 李辉
- 杜江
- 杨柱天
- 杨竹莹
- 林乐平
- 柳荫荫
- 段沛沛
- 汤井田
- 游寒旭
- 焦李成
-
-
林相泽;
张俊媛;
徐啸;
朱赛华;
刘德营
-
-
摘要:
为了解决图像采集过程中由于昆虫图像获取不完整而导致整体稻飞虱识别精度低、速度慢的问题,提出了一种基于字典学习和SSD的不完整稻飞虱图像分类方法.首先,使用自主研发的野外昆虫图像采集装置采集稻飞虱图像,构建小型图像集.然后,将采集的稻田昆虫图像进行阈值分割,得到单一稻田昆虫图像;对单一昆虫图像进行分块处理,得到带有背景信息和特征信息的混合子图像块集;使用子图像块作为字典原子来构建过完备字典,并对其进行初始化和优化更新;将更新后的过完备字典作为训练集输入SSD算法中进行训练,得到训练模型.最后,将采集的包含不完整稻田昆虫的图像在训练集模型上进行测试,并将测试结果与BPNN(Back propagation neural network)、SVM(Support vector machines)、稀疏表示等方法进行对比.试验结果表明,所提出的基于字典学习和SSD的稻飞虱识别与分类方法可以对不完整的昆虫图像进行准确快速的识别分类,其中,分类速度可达22 f/s,识别精度可达89.3%,对稻飞虱的监督、预警和防治提供了有效的信息与技术支持.
-
-
裴春阳;
樊宽刚;
马政
-
-
摘要:
针对多模态医学图像融合中容易产生伪影且存在细节缺失的问题,提出一种利用多尺度边缘保留分解和稀疏表示的二尺度多模态医学图像融合方法框架.首先利用边缘保留滤波器对源图像进行多尺度分解,得到源图像的平滑层和细节层.然后,将改进的稀疏表示算法用于融合平滑层,并在此基础上提出一种基于图像块筛选的策略来构建过完备字典的数据集,再利用字典学习算法训练出一种联合字典,同时引入一种多范数的活跃度度量方法选择稀疏系数;细节层的融合则采用自适应加权局部区域能量的融合规则.最后将融合后的平滑层和细节层进行多尺度重构得到融合图像.针对三类不同成像模态的医学图像进行对比实验,结果表明,该方法较其他多尺度变换和稀疏表示的方法能够保留更多显著的边缘特征,对比度也有明显提升,在视觉效果和客观评价上都具有一定优势.
-
-
-
-
杨正理;
史文;
陈海霞
-
-
摘要:
针对利用机械振动信号进行设备故障诊断和状态监测过程中,存在采样数据量多、存储容量大、传输带宽高和信号重构精度低等问题,提出一种稀疏度拟合的自适应机械振动信号压缩感知方法.首先,对机械振动信号进行多尺度小波包变换,再将小波包系数按一定阈值进行置零处理并求取其稀疏度;然后,采用迭代方法求取各稀疏度下满足重构信号精度条件的最低采样率,并对信号的稀疏度和采样率采用最小二乘法进行拟合,消除信号测量误差,求取最佳信号采样率;最后,采用K-奇异值分解算法构造与各信号块相适应的过完备字典,并利用正交匹配追踪算法实现信号重构.实验证明,与传统压缩算法相比较,该算法的信号压缩率和重构精度均得到较大提高.
-
-
郭俊锋;
李育亮;
王茁
-
-
摘要:
Aiming at the weakness of slow dictionary learning and long reaction time in the image denoising method based on dictionary learning, it proposes an improved dictionary learning algorithm based on sparse representation dictionary learning. The dictionary learning process is divided into two stages: sparse coding and dictionary updating. In the dictionary updating stage, it adopts an approximate solution instead of the K-SVD algorithm to approximate the SVD decomposition which consumes the most time with the K-SVD algorithm. It abandons the process of updating the sparse coefficient matrix in the dictionary updating stage in K-SVD and approximate K-SVD algorithm. The experimental results show: comparing with the classical dictionary learning algorithm, in the premise of not reducing the image peak signal-to-noise ratio and structure similarity, this improved algorithm significantly reduces the dictionary learning time, improves the efficiency of image denoising.%针对基于字典学习的图像去噪方法中字典学习速度慢、反应时间长的不足,在稀疏表示字典学习的基础上,提出了一种改进的字典学习算法.字典学习过程分为稀疏编码和字典更新两个阶段,在字典更新阶段采用一种求近似解的方法替代K-SVD(K奇异值分解)算法中消耗时间最多的SVD分解,并舍弃K-SVD和近似K-SVD算法中字典更新阶段重复更新稀疏系数矩阵的过程.实验结果表明,与K-SVD和近似K-SVD字典学习算法相比,在不降低图像峰值信噪比和结构相似度的前提下,改进的字典学习算法减少了字典学习时间,提高了图像去噪的效率.
-
-
段沛沛;
李辉;
雒明世
-
-
摘要:
在使用高分辨距离像开展目标识别时,传统方法很少利用样本的稀疏性.为了克服此类识别所面临的繁琐的分析难题,简化识别过程,稀疏分析其实是一种不错的压缩样本数据,提升剖析效果的方法.因此,提出一种基于联合字典及快速分解策略完成雷达一维距离像稀疏分析,进而鉴识目标的算法.为了提升识别策略的实用性,算法还尝试依信噪比调控其内稀疏分解参数,以改善算法抗噪性能.实验测评表明:相较同类识别策略,该算法求解更为便捷,适用范围有所拓展;相比不同类型的常规识别策略,该算法抵御噪声的能力有所提升,识别效果更优.
-
-
-