基于信号稀疏表示的形态成分分析:进展和展望

被引：52

作者：

李映

张艳宁

许星

机构：

[1] 西北工业大学计算机学院

来源：

电子学报 | 2009年 / 37卷 / 01期

关键词：

形态成分分析; 稀疏表示和分解; 超完备字典;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

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 Analy-sis,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.

引用

页码：146 / 152

页数：7

共 6 条

[1] 多尺度变换域图像的感知与识别:进展和展望 [J].

焦李成 ;

孙强 .

计算机学报, 2006, (02) :177-193

[2] 图像的多尺度几何分析:回顾和展望 [J].

焦李成 ;

谭山 .

电子学报, 2003, (S1) :1975-1981

[3] Simultaneous cartoon and texture image inpainting using morphological component analysis (MCA) [J].

Elad, M ;

Starck, JL ;

Querre, P ;

Donoho, DL .

APPLIED AND COMPUTATIONAL HARMONIC ANALYSIS, 2005, 19 (03) :340-358

[4]

Redundant Multiscale Transforms and Their Application for Morphological Component Separation[J] . Jean-Luc Starck,Michael Elad,David Donoho.Advances in Imaging and Electron Physics . 2004

[5] Blind source separation by sparse decomposition in a signal dictionary [J].

Zibulevsky, M ;

Pearlmutter, BA .

NEURAL COMPUTATION, 2001, 13 (04) :863-882

[6]

Image decomposition via the combination of sparserepresentations and a variational approach .2 Starck J. L,Elad M,Donoho D. L. IEEE Trans. Image Processing . 2005

← 1 →