Howtosignalprocessing
- ¿Qué es la representación escasa en el procesamiento de imágenes??
- Lo que se entiende por representación escasa?
- Por qué y cuándo usamos una representación escasa?
- ¿Qué es la clasificación de representación escasa??
¿Qué es la representación escasa en el procesamiento de imágenes??
La teoría de la representación escasa presenta un modelo emergente, altamente efectivo y universal. Su idea central es la descripción de los datos como una combinación lineal de pocos bloques de construcción, átomos, tomados de un diccionario predefinido de tales elementos fundamentales.
Lo que se entiende por representación escasa?
Las representaciones escasas tienen la intención de representar señales con la menor cantidad de coeficientes significativos posibles. Esto es importante para muchas aplicaciones, como por ejemplo, compresión. Cuando se usa wavelets, con frecuencia se nota que se puede obtener una gran tasa de compresión, con una pérdida de información casi innotable.
Por qué y cuándo usamos una representación escasa?
La representación escasa atrae una gran atención, ya que puede guardar significativamente los recursos informáticos y encontrar las características de los datos en un espacio de baja dimensión. Por lo tanto, se puede aplicar ampliamente en campos de ingeniería, como el aprendizaje del diccionario, la reconstrucción de señales, la agrupación de imágenes, la selección de características y la extracción.
¿Qué es la clasificación de representación escasa??
La clasificación de representaciones dispersas (SRC) es una técnica poderosa para la clasificación de imágenes de píxel y se utiliza cada vez más para una amplia variedad de tareas de análisis de imágenes. El método utiliza una representación escasa y diccionarios redundantes aprendidos para clasificar los píxeles de imagen.
