基于自然圖像統(tǒng)計(jì)性先驗(yàn)和稀疏性先驗(yàn)的圖像模型研究.pdf_第1頁(yè)
已閱讀1頁(yè)，還剩62頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、近幾年來(lái)，自然圖像的先驗(yàn)?zāi)Ｐ鸵咽菆D像處理領(lǐng)域的一個(gè)研究熱點(diǎn)。自然圖像具有局部平滑性、非局部相似性、統(tǒng)計(jì)特性、稀疏性等特征。如何抓取自然圖像的先驗(yàn)信息，目前已有很多方法。其中兩種引人注目的方法是基于自然圖像的統(tǒng)計(jì)特性的專家場(chǎng)（FoE）模型和基于自然圖像稀疏性的K-SVD方法。
　　專家場(chǎng)模型是建立在專家乘積（PoE）的基礎(chǔ)上的高階馬爾科夫隨機(jī)場(chǎng)（MRF）模型，它用濾波器從大量的自然圖像中抽取圖像的先驗(yàn)信息。K-SVD是基于自然圖像可

2、以稀疏表示的特性的圖像稀疏表示模型，它用冗余字典從待處理的圖像中抓取圖像的先驗(yàn)信息。這兩種方法之間的聯(lián)系還沒(méi)有文獻(xiàn)論述。本論文主要研究FoE濾波器和稀疏表示典型方法K-SVD的稀疏基（冗余字典）的聯(lián)系。
　　FoE的濾波器抓取自然圖像中最不應(yīng)該出現(xiàn)的成分，而K-SVD的稀疏基抓取自然圖像中最可能出現(xiàn)的成分。他們是從兩個(gè)不同的方向來(lái)描述自然圖像的先驗(yàn)信息，而且各自包含不同的先驗(yàn)信息。綜合利用這兩種先驗(yàn)信息，會(huì)更好地抓取自然圖像的先驗(yàn)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論