Resumen

En este trabajo, se propone un nuevo método de regresión de contracción regularizada robusto para recuperar y alinear imágenes de alta dimensión a través de transformaciones afines y regularización de Tikhonov. Para ser más resistente a oclusiones e iluminaciones, valores atípicos y ruidos dispersos intensos, el nuevo enfoque propuesto incorpora ideas novedosas de transformaciones afines y regularización de Tikhonov en imágenes de alta dimensión. Las imágenes altamente corruptas, distorsionadas o desalineadas pueden ser ajustadas mediante el uso de transformaciones afines y el término de regularización de Tikhonov para garantizar una descomposición de imagen confiable. Estas ideas novedosas son muy esenciales, especialmente para eliminar los posibles impactos de efectos molestos en imágenes de alta dimensión. Luego, encontrar variables óptimas a través de un conjunto de transformaciones afines y término de regularización de Tikhonov se formula primero como técnicas de programación de optimización convexa matemática y estadística. Posteriormente, se aplica un al

• Materias:Teoremas Semigrupos Captura de vectores Vértice reflexivo Funciones trigonométricas
• Subjects:Theorems Semigroups Vector capture Reflexive vertex Trigonometric functions
• Palabras claves:Propuesto; Robusto; Transformaciones afines; Regularización de Tikhonov; Imágenes de alta dimensión; Valores atípicos
• Keywords:Proposed; Robust; Affine transformations; Tikhonov regularization; High-dimensional images; Outliers