基于块重排单图像像素的非负矩阵分解以构建结构化非负字典
计算机视觉与模式识别
2015-06-29 v1 数值分析
摘要
近年来计算能力的提升使得在多个领域中对超大数据集进行处理和分析成为可能。此类分析常需对数据集创建低秩近似以实现高效存储。本文提出并分析了一种新颖方法，利用应用于单幅自然图像基于块重排像素的非负矩阵分解（NMF）来创建非负、结构化的字典。我们基于图像块对像素进行重排，并总体介绍我们的方法。我们研究了在使用奇异值分解（SVD）和非负矩阵分解（NMF）作为低秩近似时该方法的表现。采用峰值信噪比（PSNR）和平均结构相似性指数（MSSIM）对算法进行评估。我们指出，尽管SVD提供了最佳的重建效果，其向量字典既丢失了原始图像的符号结构，也丢失了局部图像内容的细节。相反，使用NMF生成的字典保留了原始图像矩阵的符号结构，并提供了一个非负的、基于部件的字典。
引用
@article{arxiv.1506.08110,
title = {Nonnegative Matrix Factorization applied to reordered pixels of single images based on patches to achieve structured nonnegative dictionaries},
author = {Richard M. Charles and Kye M. Taylor and James H. Curry},
journal= {arXiv preprint arXiv:1506.08110},
year = {2015}
}
备注
34 pages, 15 figures, 2 tables