© 1999-2048 dssz.net 粤ICP备11031372号
[其它] 高斯-拉普拉斯混合模型的鲁棒性人脸幻觉
说明:由于具有出色的自然图像稀疏度表征能力,因此,在基于字典学习的面部幻觉中,ℓ1-范数稀疏表示(SR)被广泛用于表述线性组合关系。 但是,由于嘈杂图像的固有稀疏性,Laplacian先验假定为ℓ1范数在稀疏性方面似乎具有攻击性,最终导致出现噪声时幻觉性能显着下降。 为此,我们建议使用一个中等稀疏的先验模型,称为高斯-拉普拉斯混合(GLM)分布,并在贝叶斯框架下采用它来推断最优解。 由此产生的正则化方法已知的弹性网(EN)不仅在无噪声的情况下保持与SR相同的幻觉性能,而且在存在噪声的情况下也明显优于后<weixin_38723105> 上传 | 大小:288kb