Low-rank相关论文
张量分解是解决高维数据分析问题的有力工具。传统张量Tucker分解模型多采用各项同性假设,即各个因子矩阵具有相同的约束条件(例如......
Compressed sensing(CS) exploits the sparsity of images or image patches in a transform domain or synthesis dictionary to......
Image denoising is a fundamental and important task in image processing and computer vision fields.A lot of methods are ......
已有的基于压缩感知的核磁共振图像重构算法仅利用了数据的稀疏性或矩阵的低秩性,并没有充分利用图像数据的相关性先验知识。针对......
A structured low-rank matrix recovery model for RGBD salient object detection is proposed. Firstly, the problem is descr......
针对现存的基于自适应邻域的多视图聚类算法没有考虑噪声和共识图信息损失的问题,提出一种基于自适应邻域的鲁棒多视图聚类(RMVGC)......
本文研究了受到非高斯噪声污染及边框信息不完整的车牌图像校正的问题.利用鲁棒主成分分析与旋转变换结合的方法,获得了更具普适性......
针对传统的低秩稀疏分解模型不能直接应用到单幅图像进行目标检测,且忽略了目标像素的空间结构性导致检测精度不高等问题,提出一种......
为提高目标跟踪的准确性,针对当前目标跟踪算法因光照、遮挡以及姿态变化等因素引起的漂移问题,提出一种鲁棒低秩稀疏表示的在线目......
云遮挡对于非气象类遥感卫星的效能发挥具有重要影响,会导致卫星拍摄的遥感图像中无法显示有价值的地面信息,同时,大量无价值的数......
低信噪比非稳态噪声环境中的语音增强仍是一个开放且具有挑战性的任务.为了提高传统的基于非负矩阵分解(nonnegativematrixfactori......
针对传统的基于直线检测的车牌倾斜校正方法对车牌边缘以及噪声较为敏感，并且不能同时检测车牌在水平和垂直方向的倾斜角度的问题，提......
