【摘 要】
：
为获得清晰的低秩图像,提出一种将低秩矩阵填充(LRMC)与低秩矩阵恢复(LRMR)联合的新模型,基于非精确增广拉格朗日乘子(IALM)法进行求解,运用LRMC去除遮挡并填充缺失部分,再利用LRMR去除噪声,得到完整的图像。以恢复时间、信噪比(SNR)、峰值信噪比(PSNR)、差错率(err)等做评价标准,对3幅受噪声污染的图像的恢复结果表明,本文提出的联合LRMC与LRMR的新模型,既能去除遮挡又
论文部分内容阅读
为获得清晰的低秩图像,提出一种将低秩矩阵填充(LRMC)与低秩矩阵恢复(LRMR)联合的新模型,基于非精确增广拉格朗日乘子(IALM)法进行求解,运用LRMC去除遮挡并填充缺失部分,再利用LRMR去除噪声,得到完整的图像。以恢复时间、信噪比(SNR)、峰值信噪比(PSNR)、差错率(err)等做评价标准,对3幅受噪声污染的图像的恢复结果表明,本文提出的联合LRMC与LRMR的新模型,既能去除遮挡又能够填充图像的缺失部分,能够达到理想的恢复效果。
其他文献
Under the weather of haze, fog, or smoke, outdoor images show poor visibility and low contrast.Low contrast results in the difficulty for carrying out basic local feature(e.g., interest points and edg
Edge extraction is an indispensable task in digital image processing. With the sharp increase in the image data, real-time problem has become a limitation of the state of the art of edge extraction al
Optical molecular imaging is an important technique of studies at molecular level and provides promising tools to non-invasively delineate in vivo physiological and pathological activities at cellular
The main challenge of robust object tracking comes from the difficulty in designing an adaptive appearance model that is able to accommodate appearance variations.Existing tracking algorithms often pe
In this paper,we propose a probabilistic scene model using object frames,each of which is a group of co-occurring objects with fixed spatial relations.In contrast to standard co-occurrence models,whic
研究目的:高效精确定位是移动机器人智能导航的先决条件。传统视觉定位系统,如视觉里程计(VO)和同时定位与三维重建(SLAM)算法,存在两点不足:一是由累积定位误差引起的漂移问题,二是由光照变化和移动物体导致的错误运动估计结果。创新要点:通过引入全景相机到传统双目VO系统,提出一种增强型VO,高效利用全景相机360°视场角信息。(1)在线建立路口场景压缩全景路标库;(2)机器人以任意方向重新访问路标
An adaptive tensor voting algorithm combined with texture spectrum is proposed. The image texture spectrum is used to get the adaptive scale parameter of voting field. Then the texture information mod
利用显微镜观察和统计晶体缺陷是一种常规的测试方法,但由于研发初期微管、孔洞等缺陷数通常较多且分布不均匀,统计起来非常费时费力。针对上述问题,介绍了一种利用MATLAB图像处理技术的硫化镉晶片微管检测计数的新方法。借助MATLAB图像处理工具箱,对微分干涉显微镜下的硫化镉晶片照片进行处理,编写晶片微管检测计数程序,统计评价区域内晶片的微管数,并且该程序具有手动调节阈值功能。研究结果证明,利用此方法统
基于稀疏表示的图像超分辨是近年信号处理中的研究热点,快速准确地找到图像的稀疏表示系数是该方法的关键。该文提出了一种基于特征表征的算法来求解图像块的稀疏表示系数。受压缩感知理论启发,使用联合训练的字典来进行图像超分辨。特征表征算法在每一次迭代中,通过确定稀疏系数的符号,将求解的非凸问题变为凸问题,有效提高所得稀疏系数的准确性和超分辨算法速度。仿真结果显示,与插值法和经典的稀疏表示法比较,特征表征法可
视觉监控中运动目标跟踪容易受到遮挡、目标快速运动与外观变化等因素的素影响,单层特征难以有效解决这些问题。为此,提出一种像素级与区域级特征组合优化的视觉跟踪算法。首先在像素级利用目标和背景区域颜色特征的后验概率对目标与背景进行初步判别;然后对候选区域进行超像素分割,并依据像素级的判断结果,在超像素区域内利用投票决策模型对目标与背景信息进行统计分析,得到精确的目标位置分布;最后结合均值漂移迭代搜索得到