首页 | 本学科首页   官方微博 | 高级检索  
     

基于信号稀疏表示的形态成分分析:进展和展望
引用本文:李映,张艳宁,许星. 基于信号稀疏表示的形态成分分析:进展和展望[J]. 电子学报, 2009, 37(1): 146-152
作者姓名:李映  张艳宁  许星
作者单位:西北工业大学计算机学院,陕西西安,710072;西北工业大学计算机学院,陕西西安,710072;西北工业大学计算机学院,陕西西安,710072
基金项目:国家自然科学基金,高等学校博士学科点专项科研基金,陕西省自然科学基础研究计划,航空科学基金 
摘    要: 有效的信号和图像分解(分离)技术在信号和图像的分析、增强、压缩、复原等领域起着重要的作用.虽然目前研究者提出了很多方法来解决这个问题,然而处理效果并不完美.形态成分分析(Morphological Component Analysis,MCA)是最新提出的一种基于稀疏表示的信号和图像分解(分离)方法.该方法的主要思想是利用信号组成成分的形态差异性(可以由不同的字典稀疏表示)进行分离.本文详细描述了形态成分分析方法的理论思想,并介绍了形态成分分析的最新研究进展及其存在的问题,最后指出了进一步发展的方向.

关 键 词:形态成分分析  稀疏表示和分解  超完备字典
收稿时间:2007-08-03

Advances and Perspective on Morphological Component Analysis Based on Sparse Representation
LI Ying,ZHANG Yan-ning,XU Xing. Advances and Perspective on Morphological Component Analysis Based on Sparse Representation[J]. Acta Electronica Sinica, 2009, 37(1): 146-152
Authors:LI Ying  ZHANG Yan-ning  XU Xing
Affiliation:Department of Computer Science and Engineering;Northwestern Polytechnical University;Xi'an;Shaanxi 710072;China
Abstract:The separation of signal and image content into semantic parts plays a key role in applications such as analysis,enhancement,compression,restoration,and more.Although many approaches have been proposed to tackle this problem in recent years,they have many disadvantages.Morphological Component Analysis(MCA)is a novel decomposition method based on sparse representation of signals and images.The main idea of MCA is to decompose a signal or image into its building blocks considering that there is morphological ...
Keywords:morphological component analysis  sparse representation and decomposition  over-complete dictionary  
本文献已被 CNKI 维普 万方数据 等数据库收录!
点击此处可从《电子学报》浏览原始摘要信息
点击此处可从《电子学报》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号