La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

A Fast Algorithm for Learning the Overcomplete Image Prior Un algorithme rapide pour apprendre l'image trop complète avant

Zhe WANG, Siwei LUO, Liang WANG

  • Vues en texte intégral

    0

  • Citer

Résumé:

Dans cette lettre, nous avons appris les filtres surcomplets pour modéliser de riches a priori d'images de la nature. Notre approche étend les champs d'experts à mélange d'échelle gaussienne (GSM FOE), qui est un modèle approximatif rapide basé sur les champs d'experts (FOE). Dans ces modèles a priori d'images précédents, le cas surcomplet n'est pas pris en compte en raison de la lourdeur des calculs. Nous introduisons l'hypothèse de quasi-orthogonalité dans le GSM FOE, ce qui nous permet d'apprendre rapidement et efficacement des filtres surcomplets d'images de la nature. Les simulations montrent que les filtres surcomplets obtenus ont des propriétés similaires à celles de Fields of Experts, et les expériences de débruitage montrent également la supériorité de notre modèle.

Publication
IEICE TRANSACTIONS on Information Vol.E93-D No.2 pp.403-406
Date de publication
2010/02/01
Publicisé
ISSN en ligne
1745-1361
DOI
10.1587/transinf.E93.D.403
Type de manuscrit
LETTER
Catégories
Traitement d'image et traitement vidéo

Auteurs

Mots-clés

Table des matières