说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 图像的稀疏表示
1)  Image sparse representation
图像的稀疏表示
2)  sparse representation
稀疏表示
1.
Image denoising based on adaptive over-complete sparse representation
基于自适应超完备稀疏表示的图像去噪方法
2.
This paper discusses the recoverability of underdetermined blind source separation(BSS),based on a two-stage sparse representation approach.
基于一种两步稀疏表示的方法,利用随机框架讨论欠定盲源分离的恢复能力。
3.
By adopting the method of sparse component analysis,it discusses the recoverability of underdetermined blind source separation based on sparse representation.
采用稀疏分量分析方法,研究了基于稀疏表示的欠定混叠盲信号分离的可恢复性,给出了在l2范数下,源信号可恢复的充分必要条件,并进一步讨论了l2范数解对噪声的鲁棒性。
3)  sparse signal representation
稀疏信号表示
1.
Amplitude bias and its elimination in sparse signal representation;
稀疏信号表示中的幅度偏差及消除方法
2.
As a new sparse signal representation algorithm,SBL(sparse Bayesian learning) method has no structural error as BP and has much fewer local minima than FOCUSS.
作为一种新的稀疏信号表示算法,SBL(稀疏贝叶斯学习)方法没有BP方法的结构错误,也比FOCUSS方法具有少的多的局部最小点。
3.
As sparse signal representation has greater flexibility in matching structure in the signal,it can be used in ISAR imaging.
稀疏信号表示在与信号结构匹配方面具有很大的灵活性,可以用于逆合成孔径雷达(ISAR)成像。
4)  sparse express algorithm
稀疏表示算法
5)  sparse representation and decomposition
稀疏表示和分解
6)  image representation
图像表示
1.
A gray image representation algorithm by using the direct triangle and rectangle non-symmetry and anti-packing model;
直接三角形和矩形NAM的灰度图像表示算法
2.
The aim of image representation is less data amount and faster operation;traditional hiberarchy of image can t get the best segment of an image for its symmetry.
更少的数据量和更快速的运算是图像表示方法所追求的目标,传统的图像层次结构因为强调对称性而不能得到最优分割,非对称逆布局模式表示模型(Non-Symmetry and Anti-Packing Pattern Representation Model,NAM)是借鉴Packing问题的思想提出的一种图像表示方法,它的非对称层次结构使其与传统的层次结构(如四元树)相比需要更少的数据量,而采用的基于像素块的运算方式使它在进行一些图像处理运算时速度要优于基于像素点的运算方式,采用矩形子模式的矩形NAM图像表示和基于它的欧拉数计算很好的证明了这一点。
3.
With the concept of the packing problem,this paper presents a color image representation method based on the non-symmetry and anti-packing pattern representation model(NAM).
借助于Packing问题的思想,提出了一种基于非对称逆布局的模式表示模型(non-symmetry and anti- packing pattern representation model,简称NAM)的彩色图像表示方法。
补充资料:图像表示
      图像信息在计算机中的表示和存储方式。图像表示和图像运算一起组成图像模型,是模式分析中的重要组成部分。可以在图像信息的不同等级上对图像进行表示。最基本的物理图像是根据矩形网格抽样原理从连续图像域中抽取二维灰度阵列(矩阵)得到的。也可以用长向量表示二维灰度矩阵,它是按列(或行)扫描灰度矩阵,把下一列(或行)的头和前一列(或行)的尾相接而成。它们的线性可逆变换同样可以用来表示图像。图像的每一行由行程(具有同一灰度的邻近像元集合)序列所组成,因此也可以用行程长度编码(见图像编码)表示图像。另一种表示图像的方法是四分树,它是用树的根节点表示整个图像:假使图像的灰度都取同一数值,就把根节点标上该灰度,并停止产生后继节点,否则就对根节点加入四个后继节点,每个后继点表示图像的一个象限。假使其中的某个象限有同一灰度,就把和它对应的节点标上该灰度,并停止产生该节点的后继节点,否则重复上述产生四个后继节点的过程,直到所有的节点所对应的区域灰度都相同为止。假使图像的大小是2k×2k,若把根节点作为0级节点,则第k级节点就和一个像素相对应。这种表示方法能够减少存储量而且有相应的算法进行图像的基本运算,如邻域查找等。其缺点是图像的相对位移会使四分树表示发生改变,从而很难从四分树表示判断两幅图像是否全同。另一种图像表示方法是在抽取对象的边界或区域的基础上,对边界或区域进行描述,例如从边界上任意点出发沿边界进行跟踪,用数字表示跟踪方向,从而得到边界的数字链码表示。也可以用形状分析的方法表示对象的区域(见图像分割)。
  
  更高一级的图像表示是描述图像中的物体和物体间的关系。这样一种图像常常称为逻辑图像。图像中的物体或组成部分可以用区域或一组几何特性来表征,还可以详细说明组成部分的位置和其他非几何的属性。一般用图表示逻辑图像,图中节点表示物体的组成部分,每个节点用组成部分的有关性质作成的表作为标签,必要时还可以用指针指向低一级水平的图像数据结构(如形成该区域的灰度阵列数据)。节点之间的有向弧用来表示相应组成部分之间的关系,用关系性质作成的表作为弧的标签。例如,图b给出由三个矩形块所组成的图像(图a)的逻辑图像表示。此外,也可以用文法形式表示物体之间的关系(见模式文法)。
  
  为了使各种表示在同一系统中同时存在,就需要有相应的算法把一种表示转换为另一种表示,例如把二维阵列变换为四分树,或从四分树表示变换为二维阵列,以及从物理图像转换为逻辑图像,或者如计算机作图那样从逻辑图像数据得到相应的物理图像数据。此外还应有修改数据(如在树结构中增加或删除一个节点)的程序方法。
  
  三维图像的一种表示方法是把三维阵列看成是由一系列二维图像阵列所组成,从而可以应用二维图像的表示方法;也可以类似四分树的方法,把立方块分解为原边长的二分之一的八个小立方块,递归地用八分树表示三维图像。另一种三维物体的近似表示方法是用广义锥,所谓广义锥是一个由轴、横截面形状和尺寸函数所组成的三元组。例如一个圆盘形以与轴成90°方向运动,且轴是一个水平线段并通过圆盘的中心,而尺寸函数又是一个常数时,就得到一个平放的圆柱体。任何复杂的三维物体都可以用相应的横截面形状沿轴线运动且尺寸大小按照尺寸函数改变所扫出的物体图像来近似地表示。此外,三维物体的边界可以用一组表面表示,其中每个表面可以用表面的斜率表征,从而可以用三维链码表示空间曲面。现代已研究出在二维图像基础上表示三维图像信息的各种方法。
  
  参考书目
   A.Rosenfeld and A.C.Kak,Digital Picture Processing, Academic Press, New York,1982.
   K.S.Fuand T.L.Kunii(editors),Picture Engineering, Springer-Verlag, Berlin, 1976.

  

说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条