带稀疏惩罚的LCNN盲目图像复原

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

带稀疏惩罚的LCNN盲目图像复原

陈科, 朱清新, 易涛

文章导航 > 电子科技大学学报 > 2008 > 37(6): 926-929

陈科, 朱清新, 易涛. 带稀疏惩罚的LCNN盲目图像复原[J]. 电子科技大学学报, 2008, 37(6): 926-929.

引用本文:

陈科, 朱清新, 易涛. 带稀疏惩罚的LCNN盲目图像复原[J]. 电子科技大学学报, 2008, 37(6): 926-929.

CHEN Ke, ZHU Qing-xin, YI Tao. Blind Image Restoration Using LCNN with Sparse Penalty[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(6): 926-929.

Citation:

CHEN Ke, ZHU Qing-xin, YI Tao. Blind Image Restoration Using LCNN with Sparse Penalty[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(6): 926-929.

带稀疏惩罚的LCNN盲目图像复原

1.
电子科技大学计算机科学与工程学院成都 610054;
2.
中国电子集团公司第三十研究所成都 610041

基金项目:

国家自然科学基金(60671033)

作者简介:
陈科(1981-),男,博士生,主要从事计算机应用方面的研究.

中图分类号: TN911.7

Blind Image Restoration Using LCNN with Sparse Penalty

1.
School of Computer Science and Engineering,University of Electronic Science and Technology of China Chengdu 610054;
2.
No. 30 Institute,China Electronic Technology Corporation Chengdu 610041

摘要: 为了加强算法的稀疏性和稳定性,在SCAD基础上提出了一种新的稀疏惩罚函数,并加入到拉格朗日约束神经网络中,以克服传统盲源分离方法和独立分量分析方法的缺陷,有效地避免了方程的病态问题,提高盲目图像复原的稀疏性、稳定性和准确性。通过人工数据和真实数据的不同复原算法对比实验,证明了带稀疏惩罚的拉格朗日约束神经网络盲目图像复原技术具有良好的图像复原效果。
- 盲目图像复原 /
- 拉格朗日约束神经网络 /
- 稀疏惩罚函数 /
- 子带分解
Abstract: In order to improve sparsity and robustness, a novel sparse penalty function based on smoothly clipped absolute diviation (SCAD) is proposed and applied to Lagrange Constraint Neural Network (LCNN). This method can solve ill-conditioned problem and improve sparsity, stability, and accuracy in blind image restoration. Both artificial and real-world data are calculated under some different restoration methods. Results of the experiments show that Lagrange constraint neural network with sparse penalty has better restoration effect.
- blind image restoration /
- Lagrange constraint neural network /
- sparse penalty function /
- subband decomposition

[1]	钱夔, 宋爱国, 田磊. 基于频域控制约束的物理神经网络非线性系统预测方法 . 电子科技大学学报, 2024, 53(2): 227-234. doi: 10.12178/1001-0548.2023036
[2]	王兆滨, 马一鲲, 崔子婧. 基于引导滤波与稀疏表示的医学图像融合 . 电子科技大学学报, 2022, 51(2): 264-273. doi: 10.12178/1001-0548.2021165
[3]	靳韡赟, 詹毅, 樊晓华. 基于子带谱特征的助听器背景噪声场景分类算法 . 电子科技大学学报, 2022, 51(5): 694-701. doi: 10.12178/1001-0548.2021249
[4]	范兴奎, 刘广哲, 王浩文, 马鸿洋, 李伟, 王淑梅. 基于量子卷积神经网络的图像识别新模型 . 电子科技大学学报, 2022, 51(5): 642-650. doi: 10.12178/1001-0548.2022279
[5]	赵学功, 邓佳坤, 魏浩然, 彭真明. 基于卷积神经网络的眼底图像微血管瘤检测方法 . 电子科技大学学报, 2021, 50(6): 915-920. doi: 10.12178/1001-0548.2021186
[6]	多滨, 罗俊松, 贾勇, 钟晓玲, 郭勇. 基于子空间分解类算法的高精度频率估计 . 电子科技大学学报, 2020, 49(1): 42-48. doi: 10.12178/1001-0548.2018060
[7]	李润东, 李立忠, 李少谦, 宋熙煜, 何鹏. 基于稀疏滤波神经网络的智能调制识别 . 电子科技大学学报, 2019, 48(2): 161-167. doi: 10.3969/j.issn.1001-0548.2019.02.001
[8]	李红, 王俊艳, 李厚彪. 基于Shearlet变换的泊松噪声图像复原问题研究 . 电子科技大学学报, 2017, 46(3): 511-515. doi: 10.3969/j.issn.1001-0548.2017.03.006
[9]	韩奎, 聂在平, 阙肖峰. 基于相位提取基函数的高效区域分解方法 . 电子科技大学学报, 2017, 46(4): 520-524. doi: 10.3969/j.issn.1001-0548.2017.04.007
[10]	许志良, 邓承志, 张运生. 非局域自相似约束的Shearlet稀疏正则化图像恢复 . 电子科技大学学报, 2016, 45(1): 43-47. doi: 10.3969/j.issn.1001-0548.2016.01.006
[11]	王丽丹, 段美涛, 段书凯. 基于STDP规则的忆阻神经网络在图像存储中的应用 . 电子科技大学学报, 2013, 42(5): 642-647. doi: 10.3969/j.issn.1001-0548.2013.05.001
[12]	文乔农, 万遂人, 刘增力. 在G_p,q^β空间收缩的图像复原方法 . 电子科技大学学报, 2012, 41(1): 120-124. doi: 10.3969/j.issn.1001-0548.2012.01.023
[13]	徐杰, 杨娣洁, 隆克平. 基于时滞混沌系统的带密钥Hash函数的设计与分析 . 电子科技大学学报, 2011, 40(3): 451-455. doi: 10.3969/j.issn.1001-0548.2011.03.024
[14]	吴琼, 孙韶杰, 李国辉. 快门编码模型重影模糊图像盲复原方法 . 电子科技大学学报, 2011, 40(2): 283-287. doi: 10.3969/j.issn.1001-0548.2011.02.025
[15]	张红英, 彭启琮. 一种改进的模拟退火图像盲复原算法 . 电子科技大学学报, 2006, 35(5): 767-769,787.
[16]	尹忠科, 王建英, Pierre Vandergheynst. 由图像的稀疏分解重建图像的快速算法 . 电子科技大学学报, 2006, 35(4): 447-449.
[17]	尹忠科, 解梅, 王建英. 基于稀疏分解的图像去噪 . 电子科技大学学报, 2006, 35(6): 876-878.
[18]	梁金明, 章毅. 基于回路神经网络的特征子空间估值算法 . 电子科技大学学报, 2002, 31(6): 612-618.
[19]	梁金明, 章毅. 回复式离散神经网络的特征子空间估值 . 电子科技大学学报, 2002, 31(4): 349-355.
[20]	汪天富, 郑昌琼, 李德玉. 基于神经网络的超声医学图像自动分割 . 电子科技大学学报, 1997, 26(4): 366-368.

WeChat

点击查看大图

计量

文章访问数: 3627
HTML全文浏览量: 170
PDF下载量: 63
被引次数: 0

带稀疏惩罚的LCNN盲目图像复原

1. 电子科技大学计算机科学与工程学院成都 610054;

2. 中国电子集团公司第三十研究所成都 610041

基金项目:

国家自然科学基金(60671033)

作者简介:
陈科(1981-),男,博士生,主要从事计算机应用方面的研究.

收稿日期: 2007-06-07
修回日期: 2008-03-15
刊出日期: 2008-12-15

中图分类号: TN911.7

关键词:

摘要: 为了加强算法的稀疏性和稳定性,在SCAD基础上提出了一种新的稀疏惩罚函数,并加入到拉格朗日约束神经网络中,以克服传统盲源分离方法和独立分量分析方法的缺陷,有效地避免了方程的病态问题,提高盲目图像复原的稀疏性、稳定性和准确性。通过人工数据和真实数据的不同复原算法对比实验,证明了带稀疏惩罚的拉格朗日约束神经网络盲目图像复原技术具有良好的图像复原效果。

English Abstract

陈科, 朱清新, 易涛. 带稀疏惩罚的LCNN盲目图像复原[J]. 电子科技大学学报, 2008, 37(6): 926-929.

引用本文:

陈科, 朱清新, 易涛. 带稀疏惩罚的LCNN盲目图像复原[J]. 电子科技大学学报, 2008, 37(6): 926-929.

CHEN Ke, ZHU Qing-xin, YI Tao. Blind Image Restoration Using LCNN with Sparse Penalty[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(6): 926-929.

Citation:

CHEN Ke, ZHU Qing-xin, YI Tao. Blind Image Restoration Using LCNN with Sparse Penalty[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(6): 926-929.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发