Visual Art Image Restoration Based on Regularized Low-rank Matrix Restoration Algorithm

Q: 이 논문에서 정의한 점근적 정규화란 무엇인가?

반복 과정에서 점진적으로 감소하는 매개변수를 사용하여 최적해에 점근적으로 접근하는 정규화 기법이다. 이는 행렬의 희소성을 향상시키는 역할을 하며, 정규화된 저계수 행렬 복원 알고리즘의 핵심 전략으로 활용되어 시각 예술 이미지의 복원 성능을 높이는 데 기여한다.

Q: 정규화된 특이값 함수 기반 저계수 행렬 복원 알고리즘의 성능은 어떠한가?

연구 결과, 상대 오차 0.001과 F1 값 92.51을 기록하며 타 알고리즘 대비 우수한 성능을 보였다. 특히 다양한 무작위 삭제율 환경에서도 85% 이상의 평균 복원 정확도와 높은 PSNR 값을 달성하여 손실된 시각 예술 정보를 효과적으로 복구함을 입증하였다.

Shuping Lin

doi:10.5573/IEIESPC.2025.14.6.753

추천

검색

질문

자료유형: 학술저널

저자정보: Shuping Lin (Guangzhou Huali College)

저널정보: 대한전자공학회 IEIE Transactions on Smart Processing & Computing IEIE Transactions on Smart Processing & Computing Vol.14 No.6

발행연도: 2025.12

수록면: 753 - 763 (11page)

DOI: 10.5573/IEIESPC.2025.14.6.753

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

In the digital age, visual art images serve as important carriers of information transmission and aesthetic expression, and its integrity and quality are crucial. To repair damaged or degraded art images, a regularized low-rank matrix restoration algorithm is designed to repair visual art images. A low-rank matrix recovery method based on regularized singular values is proposed by incorporating regularization strategies and singular value entropy functions. This algorithm repairs visual art images of different types and styles, and evaluates its restoration effects. From the experimental results, the relative error of the low-rank matrix restoration algorithm based on regularized singular value function was 0.001, the running time was 28.54 seconds, and the F1 value was 92.51. The algorithm had a relatively high peak signal-to-noise ratio on different images, with an average of 0.93. The results indicate that the low-rank matrix restoration algorithm based on regularized singular value function has good image quality and small difference from the original image. The regularized low-rank matrix restoration algorithm can effectively repair visual art images and improve image quality and observability. The research provides solid theoretical support for image restoration, presents strong guidance for algorithm design and improvement, and displays useful reference and guidance for other related fields.

#Asymptotic regularization #Image restoration #Low-rank matrix recovery #Singular value entropy function #Visual art

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-151-26-02-094678087

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)