图像压缩传感中基于变换域和字典学习的稀疏表示分析

图像压缩传感中基于变换域和字典学习的稀疏表示分析

ID:32202772

大小:2.87 MB

页数:69页

时间:2019-02-01

图像压缩传感中基于变换域和字典学习的稀疏表示分析_第1页
图像压缩传感中基于变换域和字典学习的稀疏表示分析_第2页
图像压缩传感中基于变换域和字典学习的稀疏表示分析_第3页
图像压缩传感中基于变换域和字典学习的稀疏表示分析_第4页
图像压缩传感中基于变换域和字典学习的稀疏表示分析_第5页
资源描述:

《图像压缩传感中基于变换域和字典学习的稀疏表示分析》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、目录第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯11.1研究背景和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.11.2压缩传感理论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯31.2.1压缩传感⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯41.2.2稀疏表示⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯51.2.3观测矩阵⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯91.2.4重构算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.121.3国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

2、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯131.3.1压缩传感的研究问题⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..131.3.2压缩传感的应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..141.4本文主要内容和结构安排⋯⋯⋯⋯⋯.第二章轮廓波域下基于重要性采样的图像贝叶斯压缩传感⋯⋯⋯”172.1引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2.2轮廓波变换⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.192.2.1LP(LaplacianPyramid,LP)滤波器⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一202.2.2方向滤波器组(DFB)⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。212.

3、2.3轮廓波变换特点⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.222.3贝叶斯压缩传感算法描述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯222.4改进算法描述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯252.5实验结果与分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..262.5.1小波变换域下的图像压缩传感⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.262.5.2轮廓波变换域下的图像压缩传感⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.31V图像压缩传感中基于变换域和字典学习的稀疏表示研究2.5.3轮廓波变换域下基于小波变换的图像压缩传感⋯⋯⋯

4、⋯⋯⋯⋯.332.6本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第三章基于数据驱动自适应冗余字典的图像压缩传感⋯⋯⋯⋯⋯⋯373.1引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。3.2K-SVD算法⋯⋯⋯⋯⋯3.3改进算法373.4数据驱动自适应冗余字典的图像压缩传感算法描述.3.5实验结果与分析⋯⋯⋯。42⋯433.5.1人脸图像稀疏表示⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。443.5.2图像压缩传感⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..453.6本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯。51第四章轮廓波域下基于机器学习冗余字典的图像压缩传感⋯⋯⋯·

5、534.2轮廓波域下冗余字典学习⋯534.3轮廓波域下基于学习冗余字典的图像压缩传感算法⋯⋯⋯⋯⋯⋯⋯⋯..554.4实验结果与分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯4.5本章小结⋯第五章总结与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯·615.1J}基结⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯..⋯⋯⋯..⋯⋯⋯⋯⋯⋯..⋯⋯⋯615.2展望⋯⋯⋯⋯。62参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯·63硕士期间发表的论文⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯”69致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

6、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯”71VIContentChapter1Introduction·························································⋯⋯⋯·······11.1BackgroundandSignificance..⋯⋯⋯⋯⋯⋯⋯⋯.1.2CompressedSensingTheory⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.31.2.1CompressedSensing⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯.41.2.2Spar

7、seRepresentation⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.51.2.3ObservationMatrix⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..91.2.4ReconstrctionAlgorithm⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯121.3ResearchStatus⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1.3.1ItemsofCompressedSensingResearch⋯⋯⋯⋯⋯.⋯⋯⋯.⋯⋯.⋯⋯.⋯...131.3.2ApplicationofCompressedSensing⋯⋯⋯⋯

8、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.141.4MainWorkandOrganization⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..15Chapter2ImageBCSBased

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。