超復(fù)數(shù)稀疏表示及其應(yīng)用的研究.pdf_第1頁
已閱讀1頁,還剩61頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

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

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(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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