梯度正则化相关论文
图像融合作为信息融合的重要组成部分,是当前图像处理技术领域的热点之一。多聚焦图像融合是图像融合领域中必不可少的一部分,也得......
深度学习在图像识别、语音识别、文本匹配等各种复杂任务中都表现出强大的特征表示学习能力,并逐渐应用于自动驾驶、语音控制、恶......
近年来,稀疏表示的方法在图像超分辨率(Super-resolution,SR)重建方面取得了较好的结果.但是,由于图像在获取的过程中受外界因素的......
结构复杂的背景以及模糊的前景/背景界限是matting所面临的挑战.复杂的纹理使得想要精确的提取前景对象变得困难.本文利用梯度稀疏......
当初始模型不够精确,以及当地震记录或者在物理场的近似模拟过程中存在噪音时,地震反演算法往往不可避免的收敛于目标函数的局部极......
基于同伦映射的思想,改进了求解非线性反问题的梯度正则化算法.通过路径跟踪有效地拓宽了梯度正则化算法求解的收敛范围.对于正则......
为识别河流水质模型参数,首先采用Crank-Nicolson有限差分格式离散控制方程,其次通过附加终端观测值,设计梯度正则化算法重构河流......
针对一维的地下水污染迁移过程中的非"菲克"扩散现象,建立分数阶对流-扩散偏微分方程.对于其参数识别的问题,采用隐式差分格式离散......
