進化多目標優(yōu)化的稀疏重構方法研究.pdf_第1頁
已閱讀1頁,還剩93頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、壓縮感知(Compressed Sensing,CS)是一個新興的研究課題,CS一般包括三個方面:信號的稀疏表示、觀測矩陣和重構算法。其中,CS的必備條件是信號的稀疏表示,CS的關鍵點是觀測矩陣設計,CS重構信號的方法是設計重構算法。本文的主要目標是設計良好的壓縮感知圖像重構算法。
  目前,CS重構算法主要有貪婪算法、凸優(yōu)化方法等。本文首次將進化多目標優(yōu)化算法的思想融入到了壓縮感知圖像重構中,并將壓縮感知重構中有約束的單目標優(yōu)化

2、問題轉化為將稀疏度也作為優(yōu)化目標的多目標優(yōu)化問題,進行了進化多目標優(yōu)化的稀疏重構方法研究。同時,結合小波域下圖像的結構信息給出了詳細的算法框架和算法描述。本文的主要創(chuàng)新性工作如下:
  (1)本文提出了基于進化多目標優(yōu)化的稀疏重構方法。給出了詳細的算法框架,并根據實際問題,設計了進化多目標的編碼方式、一致變異算子、基于位置信息指導的迭代硬閾值算法、稀疏度范圍自適應策略等。并在小波域下通過對比實驗驗證了該算法的可行性和優(yōu)越性。

3、>  (2)本文設計了一種新的分塊打散觀測方式。在小波域下,傳統(tǒng)的分塊壓縮感知中的分塊方式可能會出現不稀疏的塊,本文提出的分塊打散觀測方式是將不稀疏的塊的稀疏度壓力分配到其他塊,從而較好地解決了會出現不稀疏塊的問題。而且,本文實現了小波域下基于分塊打散觀測的正交匹配追蹤算法和迭代硬閾值算法,并通過對比實驗驗證了分塊打散觀測及基于分塊打散觀測的正交匹配追蹤算法和迭代硬閾值算法的有效性和優(yōu)越性。
  (3)本文提出了基于進化多目標的分

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論