文献

J-GLOBAL ID：201902220272134389   整理番号：19A2277234

画像圧縮センシング回復のためのLLPノルム正則化ベース群スパース表現【JST・京大機械翻訳】

LLp norm regularization based group sparse representation for image compressed sensing recovery

著者 (3件)： Keshavarzian Razieh (Faculty of Electrical and Computer Engineering, Babol Noshirvani University of Technology, Babol, Iran) ,  Aghagolzadeh Ali (Faculty of Electrical and Computer Engineering, Babol Noshirvani University of Technology, Babol, Iran) ,  Rezaii Tohid Yousefi (Faculty of Electrical and Computer Engineering, University of Tabriz, Tabriz, Iran)
資料名： Signal Processing: Image Communication  (Signal Processing: Image Communication)
巻： 78  ページ： 477-493  発行年： 2019年 
JST資料番号： T0844A  ISSN： 0923-5965  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 画像圧縮センシング(CS)回復法における一つの重要な課題は,画像プリアを適切に反映し,高品質回復結果をもたらすスパース性誘導モデルを開発することである。最近の進歩は,非局所自己相似性を利用するグループスパース表現ベースモデルが,画像CS回復において優れた結果をもたらすことを示唆している。本論文では,非凸LLpノルム正則化(GSR-LLp)を用いたグループスパース表現によるCS回復法を提案した。提案した方法では,(0<p≦1)の非凸LLpノルムを,l0ノルムよりも,グループ係数のスパース性をより良く促進するための新しいスパース性尺度として導入した。さらに,各グループに対する適応直交辞書を学習するために,主成分分析(PCA)を利用した。GSR駆動LLp最小化問題を解決するために,分割Bergmanフレームワークと主要化最小化(MM)アルゴリズムに基づく効率的アルゴリズムを開発した。さらに,提案したモデルを,測定がインパルス雑音によって破壊される場合に対処するために,ロバストなM推定と組み合わせた。本事例では,l2ノルムデータ忠実度を,重いテールのインパルス雑音に対するロバスト性の利点を示すWelch M推定に置き換えた。結果として得られた最適化問題(RGSR-LLpと呼ばれる)を解くために,分割Bergmanフレームワークと半二次(HQ)理論に基づく効率的なスキームを開発した。広範囲な実験結果は,CS画像回復におけるstate of the ート法と比較して,提案した方法の有効性を示した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *画像 ,  直交性 ,  主成分分析 ,  凸形 ,  インパルス雑音 ,  ロバスト性 ,  有効性 ,  アルゴリズム ,  最小化問題 ,  *正則化 ,  画像復元 ,  *ノルム
準シソーラス用語： スパース性 ,  *スパース表現 ,  *圧縮センシング , 【Automatic Indexing@JST】

著者キーワード (5件)： 圧縮センシング ,  群スパース表現 ,  半二次理論 ,  画像再生 ,  非局所スパース性

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 圧縮センシング ,  回復 ,  ノルム ,  正則化 ,  スパース表現