Noise suppression over bi-level graphical documents by sparse representation
Résumé
In this paper, we explore the use of learning algorithm (K-SVD) for building dictionaries adapted to the image properties. In addition, in our model, we also modeled the energy of the noise basing on the function of the normalized cross-correlation between noised and non noised documents identified in training set. We have evaluated this method on the Grec2005 dataset. The experimental results demonstrate the robustness of our approach by comparing it with state-of-the-art methods.
Dans cet article, nous explorons l'utilisation de l'algorithme d'apprentissage (K-SVD) pour construire des dictionnaires adaptés aux documents graphiques. En plus, dans notre modèle, nous avons également modélisé l'énergie du bruit à partir de la fonction de la corrélation croisée normalisée entre les documents bruités et non bruités définis dans notre base d'apprentissage. Nous avons évalué cette méthode sur la base de données Grec2005. Les résultats expérimentaux démontrent la robustesse de notre approche en comparant à des méthodes de l'état de l'art.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...