鲁棒加权核范数的图像去噪方法

《鲁棒加权核范数的图像去噪方法》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：学校代码：10165密级：学号：201511000554硕士学位论文鲁棒加权核范数的图像去噪方法ImageDenoisingMethodwithRobustWeightedKernelNorm作者姓名：李玲慧学科、专业：应用数学研究方向：模式识别导师姓名：姜伟副教授2018年03月辽宁师范大学硕士学位论文摘要随着科技与数据挖掘技术的发展，人类进入到全新的大数据时代。海量的数据带给我们丰富的信息，同时人们对信息的准确性与完整性要求越来越高。由于外界不确定与随机因素的干扰与污染，信息中常夹杂着大量噪声，降

2、低了信息的准确性。因此，对受干扰的信息进行去噪处理成为人们越来越关心的问题。本文首先对图像去噪处理的研究背景、意义以及研究现状做了简要的介绍。其次，系统地研究了本文去噪算法所涉及的定义、定理等理论。全面概述了鲁棒主成分分析模型，加权鲁棒主成分分析模型，范数鲁棒主成分分析模型以及这些模型的求解算法。2,1最后，针对鲁棒主成分分析模型存在的问题，本文提出了一种新的模型——鲁棒加权核范数主成分分析模型。该模型采取范数代替范数，加权核范数代替标准核范数，2,11构建鲁棒加权核范数主成分分析模型，并利用增广拉格朗

3、日乘子法对所提出的模型进行求解。运用matlab软件进行实验，结果表明：本文提出的模型对图像去噪的效果优于鲁棒成分分析模型对图像去噪的效果。关键词：图像去噪；加权核范数；范数；结构化噪声2,1-I-鲁棒加权核范数的图像去噪方法ImageDenoisingMethodwithRobustWeightedKernelNormAbstractWiththedevelopmentoftechnologyanddataminingtechnology,humanbeingshaveenteredaneweraofbi

4、gdata.Hugeamountsofdatabringusrichinformation,andpeopledemandmoreandmoreinformationabouttheaccuracyandintegrityoftheinformation.Becauseofthedisturbanceandpollutionoftheoutsideuncertaintyandrandomfactors,theinformationisoftenmixedwithalargenumberofnoise,whic

5、hreducestheaccuracyofinformation.Therefore,itisbecomingmoreandmoreimportantforpeopletodenoisethedamagedinformation.Inthispaper,theresearchbackground,significanceandresearchstatusofimagedenoisingarebrieflyintroduced.Secondly,thedefinitionsandtheoremsoftheden

6、oisingalgorithmaresystematicallystudied.Wecomprehensivelysummarizetherobustprincipalcomponentanalysis,theweightedrobustprincipalcomponentanalysis,thenormrobust2,1principalcomponentanalysismodel,andgivealgorithmsforsolvingthesemodels.Finally,inordertosolvet

7、heproblemofrobustprincipalcomponentanalysis,anewmodel,robustweightedkernelnormprincipalcomponentanalysismodel,isproposedinthispaper.Thismodeltakesthenormsubstituteinsteadofthenorm,andweightedkernelnormreplace2,11standardkernelnorm.Webuildarobustweightednu

8、clearnormprincipalcomponentanalysismodel,anduseaugmentedLagrangemultipliermethodtosolvetheproposedmodel.Experimentsonmatlabsoftwareshowthattheproposedmodelisbetterthantherobustcomponentanalysismodelfor