稀疏表示理论研究及其在水下视觉导航数据中的应用

《稀疏表示理论研究及其在水下视觉导航数据中的应用》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、分类号：密级：UDC：编号：工学博士学位论文稀疏表示理论研究及其在水下视觉导航数据中的应用博士研究生：吴迪指导教师：郝燕玲教授学科、专业：导航、制导与控制哈尔滨工程大学2016年4月万方数据万方数据分类号：密级：UDC：编号：工学博士学位论文稀疏表示理论研究及其在水下视觉导航数据中的应用博士研究生：吴迪指导教师：郝燕玲教授学位级别：工学博士学科、专业：导航、制导与控制所在单位：自动化学院论文提交日期：2016年4月论文答辩日期：2016年4月学位授予单位：哈尔滨工程大学万方数据万方数据ClassifiedIndex：U.D.

2、C：ADissertationfortheDegreeofD.EngResearchonSparseRepresentationanditsApplicationinUnderwaterVisionNavigationDataCandidate：WuDiSupervisor：Prof.HaoYanlingAcademicDegreeAppliedfor：DoctorofEngineeringSpecialty：Navigation,GuidanceandControlDateofSubmission：April,2016Da

3、teofOralExamination：April,2016University：HarbinEngineeringUniversity万方数据万方数据哈尔滨工程大学学位论文原创性声明本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者（签字）：日期：年

4、月日哈尔滨工程大学学位论文授权使用声明本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文，可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文（□在授予学位后即可□在授予学位12个月后□解密后）

5、由哈尔滨工程大学送交有关部门进行保存、汇编等。作者（签字）：导师（签字）：日期：年月日年月日万方数据万方数据稀疏表示理论研究及其在水下视觉导航数据中的应用摘要水下航行器完成使命的前提条件是精准的水下导航。然而，无论采用惯性导航方法、航位推算方法或是同步定位与构图算法，经过长时间导航后，都需要有效的信息校正航行器的位置。基于高分辨率合成孔径声呐图像的水下视觉导航可以在浅海区提供精确的位置信息，具有辅助航行器精确导航的作用，因而针对合成孔径声呐图像的去噪和识别的研究具有重要意义。由于声呐图像的成像环境及方式不同于光学图像，传统的

6、适用于光学图像的处理方法在处理声学图像时难以取得好的效果。与哺乳动物通过视觉皮层中的少数神经元对视野内的图像进行表示的方法类似，稀疏表示理论因其对信号或图像具有简洁的表示形式而受到研究人员的广泛关注。近年来，在图像复原、盲信号分离、医学成像等问题的应用中，稀疏表示都取得了一定的进展。本文首先针对稀疏表示综合模型和解析模型下的字典学习方法和稀疏编码算法进行研究，最后结合合成孔径声呐图像的特点，研究了基于稀疏表示理论的声呐图像的去噪和识别。本文的主要研究内容概括如下：在字典训练时，字典的规模与训练时间通常成反比。针对综合模型下块

7、稀疏字典学习方法通常设字典规模较大的问题，本文提出了根据表示误差设计最优规模字典学习算法。首先，由于实际应用中图像的块结构通常未知，本文提出稀疏聚类法将稀疏表示系数按相似度分组，为图像划定块结构。算法再根据图像在字典上的块稀疏度设定初始字典规模，在后续过程中逐渐向字典中添加原子。当改进算法对图像达到相同的表示误差时，字典规模与传统算法设置的字典规模相比较小，运算速度有所提高。在许多实际问题中，信号或图像在给定字典下的稀疏度通常是未知的，且不具备准确预估的方法。针对稀疏表示综合模型下传统的稀疏编码算法在执行时需要以信号的稀疏度

8、为先验信息的问题，本文提出了一种分段正则化正交匹配追踪算法。算法首先按分段原则预估信号的稀疏度并构建候选集，再对候选集进行正则化得到支撑集并完成信号重构和余量更新。本文提出的方法对信号的重构速度和精度优于多数同类算法，并为算法在实际中应用提供了可能。在解析K-SVD算法训练字典时，受中间过