基于图学习的图像降噪(一)——初识图
2017-11-01 21:26
316 查看
目录
图论图像降噪中的图学习发展
图学习在图像降噪中的经典算法
新发展——Unifying local and non-local signal processing with graph CNNs
总结展望
1.图论
具体解释请看链接:http://blog.csdn.net/saltriver/article/details/54428685http://9080.iteye.com/blog/2062310
2.图像降噪中的图学习发展
图是数据结构中一个重要的数据类型,图论与图像的集合是图像信号处理的一个重要的应用。利用图论对图像信号进行表示,根据图的关系表示图像的空间结构,有利于图像的还原。图论与图拉普拉斯矩阵
在图中假设图像为 T,图为 G ,将图像与图进行关系映射,可以利用加权连通图进行表示。用V 表示图的顶点集合, E表示图的边的集合,所以图 G=(V,E)。图像中可以将单个的像素或者图像块作为图的某一顶点vi,veri∈V,若图像的像素或者图像块存在相关性,则可以对应图的两个顶点连接一条边ei,ei∈E,得到图的顶点与边的关系,进一步对图的邻接矩阵A 和图的度矩阵Dg进行求解。然后,根据不同的图与图像的映射关系进行后续处理。
图拉普拉斯矩阵(简称图L阵)是图论中谱图(spectral graph)理论建立的基础,在谱聚类(spectral clustering)的相关研究中尤其占有主导地位。图L阵可以描述事物间存在的非线性关系,具有一定的模糊性,因此更符合事物间的实际关系。与此同时,图L阵的构造也具有很强的灵活性。在事物间关系构造方面,其能将相似事物连接在一起,构成事物“局部”连通性。事物间关系也常采用基于核(kernel)的表示形式,可为线性关系,也可为非线性关系。在图L阵自身构造方面,其可采用归一/非归一、随机行走等多种构造形式,且在不同应用场合各种形式互有所长。 图L阵的几种应用图像的方法
(1)图L阵构建
近几年,图L阵成功用于图像分类、分割、内容标注等图像应用领域。其核心思想在于通过图L阵的构建来获取图像特征,从而增强各种应用的效果。例如,在图像分类方面,Jiang等将图L阵以正则项的形式用于主成分分析优化模型,获得了对人脸的鲁棒分类;He等将图L阵正则项用于非负矩阵优化模型,从而实现半监督的图像分类。对于图像分割,Shen等构造基于图L阵的代价函数来实现图像分割;Casaca等通过构造基于图L阵的邻近平均能量函数来实现图像分割;Zhang等则在分水岭算法中通过计算合并图像块的图L阵对应特征值能量,确定最优的分割图像块。而在图像内容标注中,Shi等分别利用图L阵和标注函数两正则项来构造图像内容判别模型,实现对图像中内容的正确辨别;庄凌等则将语义与图像分别用图L阵正则项进行约束,并将两者建立关系模型,进行图像标注并用于检索。由上可见,在图L阵的图像应用中,其主要着眼于相关应用模型的构造,而图L阵则常以正则项的形式参与模型构建,以引入多幅图像、图像像素块之间的相互作用关系。
(2)图L阵学习
根据已知信号的不同约束进行图L阵学习。例如Hu等提出了在回归模型下基于信号和图的合理度量进行图L阵的学习;Eduardo等提出利用图信号的方差矩阵通过迭代实现广义图L阵的精确估计,在图L阵学习上提供了一种新的方法.
在图像降噪中主要通过这两种方法实现。主要通过图L阵构建和图L阵学习表示含噪图像的结构,并利用优化方法实现对含噪图像的估计。例如Pang等从图L阵的理论出发阐述了图L阵收敛性并通过提取信号特征构造图L阵实现图噪声估计; Dong等在高斯先验分布的信号平滑前提下,提出利用PCA进行模糊变量的因素分析的图L阵学习; Hou等利用 -1范数约束项对因素分析模型的图L阵学习算法加以改进,以实现鲁棒性。
相关文章推荐
- 【算法学习】【图像增强】基于拉普拉斯算子的图像锐化
- 【OpenCV图像处理入门学习教程五】基于背景差分法的视频目标运动侦测
- 深度学习与计算机视觉(11)_基于deep learning的快速图像检索系统
- Google地图发布基于python的神经网络学习模型,自动高效高准确度的从带有地理定位信息的图像文件中提取信息
- 基于JAVA的水泥三维图像特征提取系统设计与实现 之一 JAVA 3D学习笔记
- 基于深度残差学习的图像识别Deep Residual Learning for Image Recognition
- 基于PyTorch的深度学习入门教程(八)——图像风格迁移
- 基于DCT字典图像稀疏去噪算法学习
- 【OpenCV学习笔记】之四:二值图像细化方法/骨架提取----基于2.0 Mat接口
- 一种基于时空特征及有监督学习的医学图像分类方法:Automatic apical view classfication of echocardiograms using a ...
- 基于ITK的医学图像配准的学习总结
- 图像处理 基于Visual C++编程 学习笔记 (1)建立MFC工程,打开bmp文件
- [学习笔记]基于ffmpeg的视频解码,输出YUV图像到文件。
- Matlab图像识别/检索系列(6)-10行代码完成深度学习网络之基于CNN的图像分类
- Matlab图像处理学习笔记(三):基于匹配的目标识别
- opencv学习-模板匹配算法(单图像模板匹配和基于模板匹配的目标跟踪)
- Matlab图像识别/检索系列(6)-10行代码完成深度学习网络之基于CNN的图像分类
- Matlab图像处理学习笔记(三):基于匹配的目标识别
- 深度学习与计算机视觉(11)_基于deep learning的快速图像检索系统
- DICOM医学图像处理:基于DCMTK工具包学习和分析worklist