-
题名结合线性稀疏表示和图像抠图的多聚焦图像融合方法
被引量：5
- 1
-
-
作者
王纪委
曲怀敬
魏亚南
徐佳
张志升
张汉元
-
机构
山东建筑大学信息与电气工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2022年第6期1879-1885,1890,共8页
-
基金
国家自然科学基金资助项目(62003191)
山东省自然科学基金资助项目(ZR2014FM016)。
-
文摘
针对现有的多聚焦图像融合方法对聚焦/散焦边界(FDB)信息捕捉不准确的问题,提出了一种新的基于线性稀疏表示和图像抠图的多聚焦图像融合方法。首先,引入一种基于线性稀疏表示的焦点测度,它利用自然图像形成的字典与输入图像在局部窗口上的线性关系,通过求解线性系数来表示图像的焦点信息。然后,利用焦点测度获取源图像的焦点图和一个由聚焦区域、散焦区域以及包含FDB的未知区域组成的三元图,并将三元图作为一个输入,采用图像抠图技术处理源图像的FDB区域,从而得到较精确的全聚焦图像。最后,为了进一步提高融合图像的质量,将得到的全聚焦图像作为新字典实现融合过程的迭代进行,在经过设定的更新次数后得到最终的全聚焦融合图像。实验结果表明,相比于11种最先进的多聚焦图像融合方法,该方法具有较好的融合性能和视觉效果,且有较高的计算效率。
-
关键词
多聚焦图像
图像融合
焦点测度
线性稀疏表示
图像抠图
-
Keywords
multi-focus image
image fusion
focus measure
linear sparse representation
image matting
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于鉴别性低秩表示及字典学习的鲁棒人脸识别算法
被引量：11
- 2
-
-
作者
赵雯
吴小俊
-
机构
江南大学物联网工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2017年第10期3157-3161,共5页
-
基金
国家自然科学基金面上项目(61373055
61672265)
+1 种基金
江苏省教育厅科技成果产业化推进项目(JH10-28)
江苏省产学研创新项目(BY2012059)
-
文摘
针对人脸识别中的图像存在噪声等情况,提出基于鉴别性低秩表示及字典学习的算法。使用鉴别性低秩子空间恢复算法(DLRR)获得类别间尽可能独立且干净的训练样本,然后通过引入基于Fisher准则的字典学习(FDDL)方法得到结构化字典,其子字典对对应的类有较好的表示能力,约束编码系数具有较小类内散列度和较大类间散列度。最后对测试样本稀疏线性表示时正确类别的样本贡献更大。在标准人脸数据库上的实验结果表明该算法有较好的性能。
-
关键词
人脸识别
低秩表示
字典学习
稀疏线性表示
-
Keywords
face recognition
low-rank representation
dictionary learning
sparse linear rep^resentation
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名LASRC-ODP降维算法在行为识别中的应用
- 3
-
-
作者
简献忠
贺士霖
-
机构
上海理工大学光电信息与计算机工程学院
上海理工大学上海市现代光学系统重点实验室
-
出处
《计算机应用研究》
CSCD
北大核心
2018年第11期3517-3520,共4页
-
基金
国家自然科学基金资助项目(41075019)
-
文摘
针对分类识别算法在行为识别中存在识别率低和实时性差的问题,提出了一种线性近似稀疏表示分类的正交鉴别投影(LASRC-ODP)算法用于行为识别。LASRC-ODP算法将高维数据投影到低维空间时,最小化类内残差和最大化类间残差,同时利用投影矩阵的正交约束来增强鉴别结果;与LASRC分类相结合,将训练样本构成过完备字典,利用L_2范数求解稀疏系数,优化了求解复杂度、加快了计算速度,得到特征更易区分的样本、最后根据L_1范数和残差找出对应类别,保证了强鲁棒性。采用KTH行为数据库进行实验,可使LASRC分类时识别率为97. 1%,实验结果表明该算法识别率高、抗噪和鲁棒性强,为行为识别的研究提供了一种新思路。
-
关键词
正交鉴别投影
线性近似稀疏表示分类
行为识别
-
Keywords
orthogonal discrimination projection
linear approximation sparse representation classification
action recognition
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
