排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
传统的稀疏编码码本采用静态基元形式,限制了其泛化能力。将流形思想引入字典的学习过程,创新性地提出了动态基元稀疏编码方法。在学习稀疏基元时,同步计算基元对应的切方向可以确定,因此,提出了稀疏编码动态基元的表示与重构方法。将基于流形的图像自适应字典学习与重构方法用于图像恢复,实验表明所提方法增强了稀疏编码基元的泛化能力,比传统的图像恢复方法提升效果明显。 相似文献
2.
图像的表示方法和测量方法是显著度检测模型的两个重要研究问题.不同于早期工作中通过对大量自然图像统计得到稀疏特征的方法,提出了通过对当前输入信号进行自适应学习来获得特征的方法.在显著度检测阶段,对每个特征都定义了背景活动率(BFR),提出了用特征活动率(FAR)来测量自底向上的视觉显著度.特征活动率(FAR)在生物学中是可信的、易于计算,并具有令人满意的性能.通过对人眼轨迹定位和心理模型以及自然图像的实验,证明了所提方法的有效性和鲁棒性. 相似文献
1