一种多维信号的稀疏模型、重建方法和字典训练方法技术资料下载

技术编号:10726365

提示:您尚未登录,请点 登 陆 后下载,如果您还没有账户请点 注 册 ,登陆完成后,请刷新本页查看技术详细信息。

稀疏表示作为近年来图像视频建模的有效方法,成功地应用于诸如图像去噪、超 分辨率重建、人脸识别等计算机视觉领域。传统的稀疏表示通常是将多维信号转化为一维 信号,该一维信号可以由一个字典中的几个基元线性组合表示。高阶信号(图像、视频等信 号)首先需要被转化为一维信号,利用一些处理向量的方法对其处理。传统稀疏表示模型的 研究包括模型的建立,稀疏重建,和字典训练方法。尽管一维稀疏表示模型有效,但是由于 在处理高维信号时,随之维度的增加,向量化后的一维信号是一个高...
注意:该技术已申请专利,请尊重研发人员的辛勤研发付出,在未取得专利权人授权前,仅供技术研究参考不得用于商业用途。
该专利适合技术人员进行技术研发参考以及查看自身技术是否侵权,增加技术思路,做技术知识储备,不适合论文引用。
请注意,此类技术没有源代码,用于学习研究技术思路。

详细技术文档下载地址↓↓

提示:您尚未登录,请点 登 陆 后下载,如果您还没有账户请点 注 册 ,登陆完成后,请刷新本页查看技术详细信息。
该分类下的技术专家--如需求助专家,请联系客服
  • 李老师:1.计算力学 2.无损检测
  • 毕老师:机构动力学与控制
  • 袁老师:1.计算机视觉 2.无线网络及物联网
  • 王老师:1.计算机网络安全 2.计算机仿真技术
  • 王老师:1.网络安全;物联网安全 、大数据安全 2.安全态势感知、舆情分析和控制 3.区块链及应用
  • 孙老师:1.机机器人技术 2.机器视觉 3.网络控制系统
  • 葛老师:1.机器人技术 2.计算机辅助技术
  • 张老师:1.内燃机燃烧及能效管理技术 2.计算机数据采集与智能算法 3.助航设备开发