...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Geoscience and Remote Sensing Letters, IEEE >Laser Range Data Denoising via Adaptive and Robust Dictionary Learning
【24h】

Laser Range Data Denoising via Adaptive and Robust Dictionary Learning

机译：通过自适应和鲁棒词典学习进行激光测距数据降噪

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Sparse representation (SR) is making significant impact in the computer vision and signal processing communities due to its stunning performance in a variety of applications for images, e.g., denoising, restoration, and synthesis. We propose an adaptive and robust SR algorithm that exploits the characteristics of typical laser range data, i.e., the availability of both range and reflectance data, to realize range data denoising. Specifically, our method estimates the informative level (IL) of each patch according to the variation in both range and reflectance modalities, followed by adaptive dictionary training that assigns dynamic sparsity weights to the patches with different ILs. Furthermore, the -norm-based representation fidelity measure is applied to make our method robust to outliers, which are common in laser range measurements. Extensive experiments on synthesized and actual data demonstrate that our method works effectively, resulting in superior performance both visually and quantitatively.
机译：稀疏表示（SR）在计算机视觉和信号处理社区中产生了重要影响，这是由于其在各种图像应用（例如去噪，恢复和合成）中的出色表现。我们提出了一种自适应且鲁棒的SR算法，该算法利用典型激光测距数据的特性（即测距和反射率数据的可用性）来实现测距数据降噪。具体来说，我们的方法根据距离和反射模态的变化来估计每个补丁的信息水平（IL），然后通过自适应词典训练将动态稀疏权重分配给具有不同IL的补丁。此外，基于-norm的表示保真度度量被应用来使我们的方法对离群值稳健，这在激光测距中很常见。对合成数据和实际数据进行的大量实验表明，我们的方法行之有效，从而在视觉和定量方面均具有出色的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号