超復(fù)數(shù)稀疏表示及其應(yīng)用的研究.pdf

1、復(fù)口_大學(xué)碩士畢業(yè)論文摘要本文首先將稀疏表示的方法擴(kuò)展到超復(fù)數(shù)域，提出超復(fù)數(shù)域正交匹配跟蹤算法(QOMP)，然后給出了超復(fù)數(shù)域的稀疏字典學(xué)習(xí)方法(QK一SVD)。QK一SvD算法學(xué)習(xí)得到的稀疏字典能夠在捕獲重要結(jié)構(gòu)信息的同時也能獲取重要的超復(fù)數(shù)各成分空間關(guān)聯(lián)信息，并且用一個超復(fù)數(shù)字典取代三個色彩通道的稀疏字典。QK一SVD算法在彩色圖像去噪的應(yīng)用結(jié)果表明:超復(fù)數(shù)將彩色圖像的R、G、B三個分量統(tǒng)一處理的手段，保證了色彩空間的完整性通過和標(biāo)

2、量信號處理中K一SvD圖像去噪算法的對比，彩色圖像去噪在QK一SvD自適應(yīng)稀疏字典下有更稀疏的表示形式QK一SvD算法在處理彩色圖像去噪時取得了更好的處理效果。之后，針對在超復(fù)數(shù)稀疏表示的計(jì)算過程中，隨著信號維度的上升，基于貪婪算法的計(jì)算復(fù)雜度大大增加的問題，本文提出了超復(fù)數(shù)平滑L。范數(shù)的稀疏表示求解算法(QSLO)。該算法在信號維度上升的同時仍能保持很好的計(jì)算復(fù)雜度。同時在稀疏成分分析這一問題上，QSL。能夠很好的處理超復(fù)數(shù)矢量信號的

3、各個維度，得到超復(fù)數(shù)域的稀疏成分分析結(jié)果。并且在處理有噪聲情況下的超復(fù)數(shù)矢量時，QSL?？梢员３趾芎玫聂敯粜裕治鼋瞥鰧?shí)際的稀疏信號源分量。最后，在研究了現(xiàn)有結(jié)構(gòu)相似性測度(SSIM)算法中存在的問題及其原因后，本文通過結(jié)合邊緣結(jié)構(gòu)信息，提出了邊緣加權(quán)的結(jié)構(gòu)相似性測度評價方法。該方法能夠更好的與主觀評價結(jié)果保持一致性和正確性。通過引入邊緣信息，改進(jìn)SSIM原有的結(jié)構(gòu)評價部分，解決了原有SSIM算法中對模糊失真評價過高和強(qiáng)高斯噪聲失真評

4、價過低的問題，取得了更好的評價效果。另外，本文還利用超復(fù)數(shù)自適應(yīng)稀疏表示字典對彩色圖像進(jìn)行了質(zhì)量評估。該評估方法利用超復(fù)數(shù)稀疏表示字典獲取彩色圖像的重要結(jié)構(gòu)和紋理信息來對失真圖像進(jìn)行評估。仿真實(shí)驗(yàn)表明，該方法可以很好地評估高斯模糊圖像。關(guān)鍵詞:稀疏表示，超復(fù)數(shù)，彩色圖像去噪，自適應(yīng)稀疏字典，圖像質(zhì)量評復(fù)月大學(xué)碩士畢業(yè)論文Keywords:sParserePresentation，hyPereolnPlex，eolorilnagedeno