基于核广义典型相关分析的维纳滤波方法研究
为了提高基于学习的维纳滤波方法性能,将广义典型相关分析理论推广到核空间中,并在核空间中将此方法与维纳滤波相结合,提出了基于核广义典型相关分析的维纳滤波及其快速算法。该方法首先使用主成分分析对噪声图像进行预处理,而后将处理后图像数据映射到高维核空间中,使用核技巧依据核广义典型相关分析理论抽取相关特征来计算维纳滤波所需的降秩估计量,最后利用维纳滤波的均方误差最小的理念获取线性空间内的图像恢复结果。为了减少在特征抽取过程中的计算量,以空间变换的方法减少了矩阵维数;为了进一步提升图像恢复效果,在维纳滤波中引入了保真项。实验表明,该方法所抽取的相关特征能够降低图像恢复结果的错误率,并且该恢复过程对于降秩估计量秩的大小以及算法迭代次数具有健壮性,快速算法能够在保持图像质量的情况下减少25%以上的时间消耗。
模式识别、核广义典型相关分析、广义典型相关分析、维纳滤波
TP391.4(计算技术、计算机技术)
国家自然科学基金60805003;江苏省自然科学基金BK2008411;教育部博士学科点基金200802880017
2014-01-16(万方平台首次上网日期,不代表论文的发表时间)
共13页
33-45