提出一种基于广义奇异值分解的高阶图像低秩近似新方法。在传统矩阵分析的基础上,介绍高阶广义矩阵的生成及定义,得出广义奇异值分解不仅适用于传统的实数矩阵,对高阶广义复数矩阵亦具有重要意义。实验在高阶图像低秩近似的基础上,提出两种改进方案,一是将传统的实数矩阵扩展成为高阶广义复数矩阵,二是在领域选取时,分析比较指数增长和线性增长方式的近似效果。数值实验验证了高阶广义复数矩阵具有更高的低秩近似效果,指数增长方式与线性增长方式相比具有明显的优越性。
科研之友
微信
新浪微博
Facebook
分享链接
