稀疏图像的表示和自然计算.pptVIP

稀疏图像表示和自然计算 焦李成 西安电子科技大学智能信息处理研究所 2006.8 报告内容 稀疏图像表示 稀疏几何图像表示; 稀疏几何表示域隐马模型; 过完全稀疏表示. 自然计算 人工免疫系统; 协同进化; 粒子群优化. 第一部分：稀疏图像表示 小波分析的局限性 寻求客观事物的“稀疏”表示方法, 一直是计算机视觉、数学、数据压缩等领域的专家学者致力于的研究目标. 对于含“点奇异”的一维信号, 小波能达到最优的非线性逼近阶. 而在处理二维或者更高维含“线奇异”的信号时, 由一维小波张成的高维小波基不能达到最优逼近阶. 小波变换的不足使人们开始寻求更好的非线性逼近工具. 边缘在小波的各个尺度上扩散 稀疏几何表示 过去几年,在数学分析、计算机视觉、模式识别、统计分析等不同学科中,分别独立地发展着一种彼此极其相似的理论:多尺度几何分析.发展多尺度几何分析的目的是为了检测、表示、处理某些高维奇异性. 对于二维图像,奇异性主要由边缘所刻画,因此主要的任务是处理边缘。目前,提出的多尺度几何分析方法主要有: Ridgelet、Curvelet、Bandelet、Contourlet等. 小波和稀疏几何方法在处理边缘上的差异 Ridgelet 脊波理论由Candès 在1998 年提出,是一种非自适应的高维函数表示方法. 脊波变换对于具有直线奇异的多变量函数有良好的逼近性能,但是, 对于含曲线奇