بايزي منظم متناثر الترميز في استعادة الصورة

15

الوصف

في هذا المشروع ، قمنا بتنفيذ نموذج صورة جديد يسمى SSC – GSM الذي يربط SSC بـ GSM ويستكشف تطبيقاته في استعادة الصورة. يحاول نموذج SSC-GSM المقترح توصيف كل من المتوسط ​​المتحيز (مثل inNCSR) والتباين المتغير مكانيًا (كما هو الحال في GSM) للمعاملات المتفرقة.

يتضح أن مشكلة SSC – GSM المصاغة ، بفضل قوة طريقة الاتجاه المتناوب للمضاعفات – يمكن أن تتحلل إلى مشكلتين فرعيتين كلاهما يسمح بالحلول المغلقة عند استخدام الأساس المتعامد. عند تطبيقه على استعادة الصورة ، يؤدي SSC – GSM إلى خوارزميات حسابية فعالة تتضمن الانكماش / التصفية التكراري فقط.

أظهرت النتائج التجريبية المكثفة أن SSC – GSM يمكن أن يحافظ على حدة الحواف وقمع الآثار غير المرغوب فيها بشكل أكثر فاعلية من الأساليب المنافسة الأخرى. يُظهر هذا العمل بوضوح أهمية التكيف المكاني بغض النظر عن أن نموذج الصورة الأساسي محلي أو غير محلي ؛ في الواقع ، الاختلافات المحلية والثبات غير المحلي هما وجهان لعملة واحدة – على المرء أن يأخذ كلاهما في الاعتبار أثناء فن نمذجة الصورة.

بالإضافة إلى استعادة الصورة ، يمكن أيضًا دراسة SSC – GSM على طول خط تعلم القاموس. في تطبيقنا الحالي ، نستخدم أساس PCA لتسهيل اشتقاق الحلول التحليلية. بالنسبة للقاموس غير الوحدوي ، يمكننا حل مشكلة SSC – GSM عن طريق تقليلها إلى مشكلة تصغير l1 إعادة الوزن التكرارية.

blank

Bayesian Statistics

Train Bayesian neural network by Particle swarm optimization (PSO)

Train Bayesian neural network by Genetic Algorithm (GA)

المراجعات

لا توجد مراجعات بعد.

كن أول من يقيم “بايزي منظم متناثر الترميز في استعادة الصورة”

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *