《多模圖像結構化稀疏表示與融合理論方法研究》,是依託於湖南大學,由李樹濤等人完成的科研項目。
基本介紹
- 中文名:多模圖像結構化稀疏表示與融合理論方法研究
- 依託單位:湖南大學
- 完成人:李樹濤等
- 獲獎情況:國家自然科學獎二等獎
參與情況,獲獎記錄,
《多模圖像結構化稀疏表示與融合理論方法研究》,是依託於湖南大學,由李樹濤等人完成的科研項目。
《多模圖像結構化稀疏表示與融合理論方法研究》,是依託於湖南大學,由李樹濤等人完成的科研項目。參與情況主要完成人:李樹濤(湖南大學)方樂緣(湖南大學)康旭東(湖南大學)楊 斌(湖南大學)2獲獎記錄獲2019年度國家自然科學...
其次,基於文本結構化表示的特性,提出能夠針對文本圖表示的結構特性,將特徵選擇和模型學習相融合、具有高壓縮性、可解釋性等良好性質的結構化稀疏模型;給出結構化稀疏模型最佳化學習算法;最終基於上述理論成果,構建高性能的文本分類系統。
針對多頻帶雷達像的這兩個特性並基於結構化稀疏表示理論,本項目提出一種嶄新的多頻帶雷達融合成像思路。在深入分析雷達像結構稀疏性表現規律的基礎上,擬重點研究多頻帶雷達像結構化稀疏建模、結構化稀疏分解、融合成像、算法性能分析以及結構...
第一種算法我們總結為基於結構化局部稀疏表示外觀模型的自適應跟蹤方法:首先在生成模型的框架下引入局部外觀模型,提出了簡單而有效的基於結構化局部稀疏表示的外觀模型。通過對目標上的局部圖像塊進行稀疏編碼,然後將得到的編碼係數進行平均...
本申請項目將從壓縮感知的角度為複雜數據大壓縮比魯棒編解碼算法奠定理論基礎,還可為類似複雜數據的壓縮感知研究及其套用提供重要理論參考。結題摘要 本項目針對大場景高分辨SAR圖像所具有的複雜結構化稀疏特徵,結合壓縮感知隨機測量的民主性...