布迪尼奇，雷纳托 稀疏图像表示和字典学习的自适应多尺度方法。 （英语） Zbl 1450.94002号 哥廷根：哥廷根大学（Diss.）。136页。(2018). 摘要：在本论文中，我们对通过自适应多尺度基表示稀疏数字图像这一主题感兴趣。我们开发了这两种数值方法：基于区域的Easy Path小波变换和Haardict。第一种方法在分割图像的区域中找到路径，并将小波变换应用于这些区域。第二种方法使用聚类过程和相关的二叉树为字典学习问题定义原子，这些原子的结构与一维信号经典Haar变换的小波系数的结构相同。对这两种方法进行了详细分析，并讨论了证明其可行性的数值实验。 引用于1文件 MSC公司： 94-02 与信息与传播理论相关的研究展览（专著、调查文章） 94A08型 信息与通信理论中的图像处理（压缩、重建等） 65T60型 小波的数值方法 关键词：多尺度自适应基;群集;小波变换;图像分割;感兴趣的地区;字典学习 软件：RBEPWT公司 PDF格式BibTeX公司 XML格式引用 \textit{R.Budinich}，稀疏图像表示和字典学习的自适应多尺度方法。哥廷根：哥廷根大学（Diss.）（2018；Zbl 1450.94002） 全文： 链接 链接