基于稀疏字典学习的图像重构模型研究.pdf

基于稀疏字典学习的图像重构模型研究.pdf

ID:50073780

大小:7.81 MB

页数:55页

时间:2020-03-04

基于稀疏字典学习的图像重构模型研究.pdf_第1页
基于稀疏字典学习的图像重构模型研究.pdf_第2页
基于稀疏字典学习的图像重构模型研究.pdf_第3页
基于稀疏字典学习的图像重构模型研究.pdf_第4页
基于稀疏字典学习的图像重构模型研究.pdf_第5页
资源描述:

《基于稀疏字典学习的图像重构模型研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、騰藝个4z唸rt)ZHONGYUANUNIVERSITYOFTECHNOLOGY基于稀疏字典学习的图像重构模型研究惠庆嘉硕士专业学位类别(领域):工程硕士(控制工程)导师姓名:宋长明教授、职称2017年5月中原工学院学位论文原创性声明本人郑重声明:所呈交的学位论文,是我个人在导师指导下进行的研宄工作及取得的研宄成果。论文中除了特别加以标注和致谢的地方外,不包含任何其他个人或集体己经公开发表或撰写过的研宄成果。其他同志对本研究的启发和所做的贡献均己

2、在论文中作了明确的声明并表示了谢意^愿意承担一切相关的法律责任。本人学位论文与资料若有不实,学位论文作者签名:■>年/月/曰1^7中原工学院学位论文知识产权声明本人完全了解中原工学院有关保护知识产权的规定:研究生在校攻,即读学位期间论文工作的知识产权单位属于中原工学院。学校有权保留并向国家有关部门或机构送交论文的复印件和电子版。本人允许论文被査阅和借阅。学校可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印。、缩印或扫描等复制手段保存和汇编本学位论文保

3、密论文待解密后适用本声明。学位论文作者签名指导教师签名:年/月{曰年/月6曰[授予单位代码:或号:学号申请:密级中原工学院士论文硕学位疏习的图重型研基于字典学像构模究稀惠庆磊:教授导教师宋长明指:业:程专名称控制工申请学位级别硕士201753:2017论答辩日期:年月日期年月文提交:工培中原学院养单位:工中原学院位授单位学予中原工学院硕士学位论文摘要基于稀疏字典学习的图像重构模型研究专业:控制工程姓名:惠庆磊导师

4、:宋长明教授摘要稀疏表示可以有效提取信号的本征信息,广泛应用于信号去噪、超分辨率、特征提取等领域,备受国内外学者的关注。利用增添基函数,将完备基扩充到过完备基,可以获得更好的稀疏性,这种过完备冗余基称作“稀疏字典”。压缩感知理论在稀疏表示研究的基础上,打破Shannon-Nyquist采样定理,利用稀疏性,通过非线性重构算法,对信号进行有效重构,极大地缓解高维信号处理的压力,补充和完善信号处理理论。研究性能优异的稀疏字典,对提高图像重构精度,具有十分重要的意义。本文围绕稀疏表示理论展开了深入研究,重点研究字典学习

5、下的图像重构模型,并从图像的先验知识入手,分析图像的稀疏性和低秩性,提出两种图像重构算法,具体如下:(1)针对字典原子学习效率低,从原子库学习入手,优化原子使用熵,提高其学习效率;针对传统全变差模型处理图像引起的过平滑,产生的阶梯效应,利用加权的各向同性和各向异性全变差代替单一的全变差正则项。提出一种基于熵约束字典学习和加权全变差图像重构算法,不仅有效消除噪声,又能保留边缘纹理信息,有效抑制阶梯效应。(2)基于卡通纹理分解,考虑图像的局部和非局部信息,采用低秩约束;对结构稀疏性,从贝叶斯概率先验着手,采用高斯尺度

6、混合模型进行稀疏编码。提出一种基于低秩分解和高斯尺度混合稀疏编码的图像重构算法,有效重构图像的局部信息和边缘细节。关键词:字典学习;熵约束;全变分;低秩;高斯尺度混合I中原工学院硕士学位论文AbstractRESEARCHESONIMAGERECONSTRUCTIONBASEDONSPAREREDUNDANTDICTIONARYMajor:ControlEngineeringName:HuiQingleiSupervisor:ProfessorFSongChangmingAbstractSparsereprese

7、ntationcaneffectivelyextracttheintrinsicinformationofthesignal,whichiswidelyusedinsignalprocessing,suchassignaldenoising,super-resolution,featureextractionandsoon.Byaddingthebasisfunction,thecompletebasisisextendedtoover-completebasis,andthebettersparsitycanb

8、eobtained,whichiscalled"sparsedictionary".Thecompressedsensingtheoryonthebasisofsparserepresentation,usingthesparsityofthesignalthroughthenonlinearreconstructionalgorithm,hasbrokentheShan

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。