期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于加权L1/2范数和TV正则化的图像去噪方法
1
作者
吴万红
吴自凯
《应用数学进展》
2023年第1期6-14,共9页
面对被严重稀疏噪声损坏的观测数据,采用L1范数来度量稀疏性的低秩恢复算法已不能很好的从退化的观测矩阵中恢复低秩结构。本文提出了一个新的加权低秩矩阵恢复算法用于图像去噪。利用L1/2范数来度量稀疏性,引入权重分配给每个组成元素...
面对被严重稀疏噪声损坏的观测数据,采用L1范数来度量稀疏性的低秩恢复算法已不能很好的从退化的观测矩阵中恢复低秩结构。本文提出了一个新的加权低秩矩阵恢复算法用于图像去噪。利用L1/2范数来度量稀疏性,引入权重分配给每个组成元素,并结合Lp范数特定情况下(p = 1/2)的封闭阈值算子,提出加权的L1/2正则化,相比常用的L1范数更加有效。同时将TV正则化整合到我们的方法中,有效的保证了图像的边缘特征。所提的方法与现有的低秩恢复算法相比,在增强图像结构平滑性和去除大的稀疏噪声方面表现更好,图像重建的质量有了明显提高。
展开更多
关键词
低秩矩阵恢复
结构平滑性
TV范数
下载PDF
职称材料
题名
基于加权L1/2范数和TV正则化的图像去噪方法
1
作者
吴万红
吴自凯
机构
上海理工大学
出处
《应用数学进展》
2023年第1期6-14,共9页
文摘
面对被严重稀疏噪声损坏的观测数据,采用L1范数来度量稀疏性的低秩恢复算法已不能很好的从退化的观测矩阵中恢复低秩结构。本文提出了一个新的加权低秩矩阵恢复算法用于图像去噪。利用L1/2范数来度量稀疏性,引入权重分配给每个组成元素,并结合Lp范数特定情况下(p = 1/2)的封闭阈值算子,提出加权的L1/2正则化,相比常用的L1范数更加有效。同时将TV正则化整合到我们的方法中,有效的保证了图像的边缘特征。所提的方法与现有的低秩恢复算法相比,在增强图像结构平滑性和去除大的稀疏噪声方面表现更好,图像重建的质量有了明显提高。
关键词
低秩矩阵恢复
结构平滑性
TV范数
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于加权L1/2范数和TV正则化的图像去噪方法
吴万红
吴自凯
《应用数学进展》
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部