稀疏表示理论及其在图像处理中的应用
温馨提示:电子书为虚拟商品,一经发货概不退换,请谨慎购买。3小时内发货(节假日除外),发货时效不超过24小时,急单慎拍!
内容简介
书名:稀疏表示理论及其在图像处理中的应用
作者:徐冰心,周秀玲著
ISBN:978-7-121-36526-3
出版社:电子工业出版社
出版日期:2019.06
图像信号本质上可以看作是关于一组基向量的稀疏表示,而稀疏表示是获得、表示和压缩图像信号的一种强有力的工具。从稀疏约束的角度来划分,可以将稀疏表示分为五类,分别为(1)基于最小化L0范数的稀疏表示,(2)基于最小化Lp(0<p<1)范数的稀疏表示,(3)基于最小化L1范数的稀疏表示,(4)基于最小化L2,1范数的稀疏表示,也交组稀疏表示和5)基于最小化L2范数的稀疏表示。在本书中,全面分析了每一种稀疏表示形式的目标函数和优化算法,并综合分析了最新的基于稀疏表示理论的应用。本书可以作为研究稀疏表示和图像处理方面的工具书,包括了详尽的理论介绍和多方面的实际应用,全面分析了稀疏表示理论中的两个关键问题,即字典学习和正则化方法,同时,全面介绍了稀疏表示在图像处理,图像分类和追踪,图像复原等实际应用中的最新方法。
作者:徐冰心,周秀玲著
ISBN:978-7-121-36526-3
出版社:电子工业出版社
出版日期:2019.06
图像信号本质上可以看作是关于一组基向量的稀疏表示,而稀疏表示是获得、表示和压缩图像信号的一种强有力的工具。从稀疏约束的角度来划分,可以将稀疏表示分为五类,分别为(1)基于最小化L0范数的稀疏表示,(2)基于最小化Lp(0<p<1)范数的稀疏表示,(3)基于最小化L1范数的稀疏表示,(4)基于最小化L2,1范数的稀疏表示,也交组稀疏表示和5)基于最小化L2范数的稀疏表示。在本书中,全面分析了每一种稀疏表示形式的目标函数和优化算法,并综合分析了最新的基于稀疏表示理论的应用。本书可以作为研究稀疏表示和图像处理方面的工具书,包括了详尽的理论介绍和多方面的实际应用,全面分析了稀疏表示理论中的两个关键问题,即字典学习和正则化方法,同时,全面介绍了稀疏表示在图像处理,图像分类和追踪,图像复原等实际应用中的最新方法。
