2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩56頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著壓縮感知理論的發(fā)展,稀疏表示逐漸成為了研究的熱點(diǎn),發(fā)展迅速,并已經(jīng)在圖像去噪等領(lǐng)域得到了廣泛應(yīng)用。信號(hào)稀疏表示,其實(shí)質(zhì)是用稀疏系數(shù)簡(jiǎn)潔的表示信號(hào),同時(shí)保持信號(hào)的結(jié)構(gòu)特點(diǎn)?;趫D像和噪聲頻帶可分離是傳統(tǒng)圖像去噪的理論基礎(chǔ),但實(shí)際上這種理論假設(shè)是不成立的,因此這類去噪方法對(duì)圖像信息會(huì)造成損傷?;谙∈璞硎镜膱D像去噪算法的思路是通過(guò)構(gòu)建與圖像信息結(jié)構(gòu)相適應(yīng)的字典,從而實(shí)現(xiàn)以盡可能少的原子的線性組合來(lái)表示圖像信息;然后利用隨機(jī)噪聲不能用原子

2、的線性組合進(jìn)行表示的原理,將信號(hào)和噪聲進(jìn)行分離。
  本文對(duì)稀疏表示和字典學(xué)習(xí)進(jìn)行了深入學(xué)習(xí)與研究。在此基礎(chǔ)上,結(jié)合多凸優(yōu)化問(wèn)題的求解,本文給出了一種快速字典學(xué)習(xí)算法,并將其應(yīng)用于基于稀疏表示的圖像去噪,取得了較好的實(shí)驗(yàn)效果。本文主要分為以下三部分:
  1.對(duì)稀疏表示的基本理論、稀疏分解算法以及稀疏表示的唯一性進(jìn)行了詳細(xì)分析和介紹。
  2.對(duì)字典學(xué)習(xí)進(jìn)行深入研究。字典學(xué)習(xí)關(guān)系信號(hào)最稀疏表示的實(shí)現(xiàn),一定程度上決定了信

3、號(hào)恢復(fù)重建的質(zhì)量。在對(duì)字典學(xué)習(xí)理論和模型分析的基礎(chǔ)上,詳細(xì)分析、介紹了幾種字典學(xué)習(xí)的經(jīng)典算法。基于對(duì)字典學(xué)習(xí)經(jīng)典算法的分析,提出應(yīng)用近端梯度算法求解字典學(xué)習(xí)模型來(lái)獲取學(xué)習(xí)字典的方法,即基于近端梯度的快速字典學(xué)習(xí)算法。該算法在計(jì)算復(fù)雜度、運(yùn)算時(shí)間、全局收斂、獲取字典性能等方面有一定優(yōu)勢(shì)。
  3.將字典學(xué)習(xí)算法應(yīng)用于圖像稀疏去噪。介紹了圖像稀疏表示模型,詳細(xì)分析了圖像稀疏去噪模型以及圖像稀疏去噪模型的求解過(guò)程;采用本文提出的字典學(xué)習(xí)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論