典型文献
基于截断核范数的图像去噪展开网络
文献摘要：
基于模型驱动的图像去噪通常需要先构造先验正则项,在求解优化模型时计算成本较高.基于数据驱动的方法得益于神经网络灵活的架构和强大的学习能力,具有较优越的性能和较高的效率,但往往缺乏足够的可解释性.为此,文中提出基于截断核范数的图像去噪展开网络,结合低秩矩阵恢复中基于截断核范数的模型驱动方法和图像去噪,并将每次迭代看作展开网络的一个阶段,把每个阶段进行连接,形成一个端到端的可训练展开网络.在上述每个阶段中,借助神经网络学习奇异值算子,解决奇异值分解在传统迭代算法中计算代价较高的问题.在多组去噪数据集上的实验验证文中网络的有效性.
文献关键词：
图像去噪;深度学习;截断核范数(TNN);矩阵恢复
中图分类号：
作者姓名：
张琳;叶海良;杨冰;曹飞龙
作者机构：
中国计量大学 理学院 杭州 310018
文献出处：
引用格式：
[1]张琳;叶海良;杨冰;曹飞龙-.基于截断核范数的图像去噪展开网络)[J].模式识别与人工智能,2022(10):881-892,927
A类：
B类：
核范数,图像去噪,开网,基于模型,先验,正则项,时计,计算成本,可解释性,低秩矩阵恢复,模型驱动方法,和图像,端到端,神经网络学习,奇异值分解,迭代算法,中计,中网,TNN
AB值：
0.269094
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
