基於圖學習的影象去噪(二)——圖學習演算法
3.圖學習在影象降噪中的經典演算法
3.1 Perturbation of the Eigenvectors of the Graph Laplacian: Application to Image Denoising(EGL演算法)
論文下載:http://www.sciencedirect.com/science/article/pii/S1063520313000626
原始碼連結:http://ecee.colorado.edu/~fmeyer/software.html
在影象中,將影象抽取為影象塊,其中每一個影象塊可以作為圖論中一個頂點,根據影象塊與其他影象塊的相似度,構造圖——影象塊圖。在構造的影象塊的圖中,根據相似度和影象塊的位置關係進行度量,
(1)
(2)每一個頂點
(1)
(3)由此,定義在兩個頂點{
(2)
式(2)中,引數
權重圖的權重矩陣
(3)
式(3)中,
矩陣
圖拉普拉斯的特徵向量降噪演算法(EGL)的主要思想是通過圖的特徵向量作為基函式將噪聲影象恢復為乾淨影象。具體來說,首先利用K-鄰近搜尋的方法對影象塊 進行處理,然後通過相似度和塊位置關係進行度量。
因為得到的拉普拉斯矩陣是半正定對稱矩陣,所以它的特徵值可以表示為
該演算法為了進行影象降噪,將降噪的影象塊[\widetilde Y]表示為:
(4)
式(4)中
(5)
式(5)中,
為驗證EGL演算法的降噪效果,本文中採用了
相關推薦
基於圖學習的影象去噪(二)——圖學習演算法
3.圖學習在影象降噪中的經典演算法 3.1 Perturbation of the Eigenvectors of the Graph Laplacian: Application to Image
基於深度學習的影象去噪(論文總結)
2015 深度學習、自編碼器、低照度影象增強 Lore, Kin Gwn, Adedotun Akintayo, and Soumik Sarkar. "LLNet: A Deep Autoencoder Approach to Natural Low-light Image Enhancement." ar
cs231n學習筆記(二)圖像分類
根據 stanford nbsp 學習筆記 cif 線性分類 這一 差異 測距 圖像分類可說是計算機視覺中的基礎任務同時也是核心任務,做好分類可為檢測,分割等高階任務打好基礎。 本節課主要講了兩個內容,K近鄰和線性分類器,都是以貓的分類為例。 一. K近鄰 以貓的分
(二)MFC學習之貼圖
環境:win10+vs2017+mfc 涉及到的內容: 1,點陣圖的載入 CBitmap * m_Bitmap=new CBitmap; m_BitMAP->m_hObject=LoadImage(NULL,"**.BMP",IMAGE_BITMAP,0,0,LR
學習大資料課程 spark 基於記憶體的分散式計算框架(二)RDD 程式設計基礎使用
學習大資料課程 spark 基於記憶體的分散式計算框架(二)RDD 程式設計基礎使用 1.常用的轉換 假設rdd的元素是: {1,2,2,3} 很多初學者,對大資料的概念都是模糊不清的,大資料是什麼,能做什麼,學的時候,該按照什麼線路去學習,學完
Java伺服器部署基於OpenCV的C++影象處理專案(二)編譯篇
Java伺服器部署基於OpenCV的C++影象處理專案(二)編譯篇 部署好環境之後,本篇記錄編譯的詳細步驟。部署環境篇 1.建立檔案 在native.cpp中寫入以下程式碼。 #include <jni.h> #include <string>
【蜂口 | AI人工智慧】人臉檢測(下)——龍鵬 深度學習與人臉影象應用連載(二)
我們接著上一節的分享,繼續分享人臉檢測的下半部分。這次的分享主要是深度學習相關的。我們會主要講述當前深度學習在人臉檢測這個領域的發展水平。主要從以下幾個方向進行分享: 首先,我們會講講當前主流的基於深度學習的一個人臉檢測的框架,包括兩個框架,一個是級聯CNN框架
基於深度學習的推薦系統(二)MLP based
在第二部分,我們總結MLP基礎上的推薦系統,我在這裡只截取了原文的一部分內容。這篇部落格中所使用的註解字元和參考文獻目錄可以在基於深度學習的推薦系統(一)Overview中找到。我們把這些工作分為如下幾部分: 傳統推薦演算法的神經網路擴充套件 許多現有的推薦模型
[影象去霧](一)限制對比度的自適應直方圖均衡化(CLAHE)的學習體會——影象分塊
最近研究影象去霧演算法,作為菜鳥,慢慢學習。 演算法原理參考以下兩個連結: http://www.cnblogs.com/Imageshop/archive/2013/04/07/3006334.html http://blog.csdn.net/u010839382/a
Matlab影象去噪(中值和均值)
簡單概念 影象去噪是數字影象處理中的重要環節和步驟。去噪效果的好壞直接影響到後續的影象處理工作如影象分割、邊緣檢測等。影象訊號在產生、傳輸過程中都可能會受到噪聲的汙染,一般數字影象系統中的常見噪聲主要有:高斯噪聲(主要由阻性元器件內部產生)、椒鹽噪聲(主要是影
深度學習數學基礎介紹(二)概率與數理統計
特征 數字特征 抽樣分布 第5章 最大 中心 3.4 獨立 知識 第1章 隨機事件與概率§1.1 隨機事件§1.2 隨機事件的概率§1.3 古典概型與幾何概型§1.4 條件概率§1.5 事件的獨立性 第2章 隨機變量的分布與數字特征§2.1 隨機變量及其分布§2.2 隨機變
小白學習之Code First(二)
文件中 build 默認 dbm pcre student 技術分享 使用 類名 Code First約定: 註:EDMX模板 (SSDL:存儲模型=>數據庫表 ,CSDL:概念模型=>實體,C-S模型=>存儲和概念模型之間的映射關系) System.Da
關於svn 更新到本地庫 圖標不顯示問題(二)
local image microsoft -- current 打開 不顯示 svn 重啟 在註冊表中找到此項:(註冊表如何打開 請看下一篇) HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Windows\CurrentVersion\Ex
第二十天學習:模塊(二)
python 1 file warning __name__ filename cnblogs open() print 狀態 1. logging (1) 日誌打印到屏幕: import logging logging.debug(‘this is debug m
輕松入門機器學習之概念總結(二)
消息 目的 作者 固定 erp 效率 dev 常用 度量 歡迎大家前往雲加社區,獲取更多騰訊海量技術實踐幹貨哦~ 作者:許敏 接上篇:機器學習概念總結筆記(一) 8)邏輯回歸 logistic回歸又稱logistic回歸分析,是一種廣義的線性回歸分析模型,常用於數據挖掘
機器學習算法整理(二)邏輯回歸 python實現
alt bubuko 邏輯 style res n) regress com png 邏輯回歸(Logistic regression) 機器學習算法整理(二)邏輯回歸 python實現
ng機器學習視頻筆記(二) ——梯度下降算法解釋以及求解θ
表示 大於 解釋 圖片 bubuko eight 閾值 自己 極小值 ng機器學習視頻筆記(二) ——梯度下降算法解釋以及求解θ (轉載請附上本文鏈接——linhxx) 一、解釋梯度算法 梯度算法公式以及簡化的代價函數圖,如上圖所示。
UNP學習第五章(二)
igp 編程 函數名 gpo atl clu 運行 poll 發生 一、POSIX信號處理 信號:告知某進程發生了某個事件的通知(軟中斷),通常是異步的。 信號可以:由進程發給另一個進程,由內核發給某個進程。 設置信號處理辦法,有三個選擇: 1.寫一個函數,在信號發生時
UNP學習第六章(二)
默認 clas 套接字 post 討論 默認值 第六章 數據 當前 一、描述符就緒條件 對於引起select返回套接字“就緒”的條件我們必須討論得更明確: (1)滿足一下塞個條件中的仍和一個時,一個套接字準備好讀。 a)該套接字接收緩沖區中的數據字節數不大於等於套接字接收緩
Java 系列之spring學習--依賴註入(二)
ssp app odin throw 函數 ans 圖片 .com 配置 一、依賴註入的三種方式 接口註入,set註入,構造函數註入 二、構造函數註入 2.1、測試類 package test; public class test01 { public St