基于冗余字典的圖像稀疏表示研究.pdf_第1頁
已閱讀1頁，還剩59頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：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)，請進行舉報或認領(lǐng)

文檔簡介

1、近幾年來，稀疏表示的研究進入一個全新發(fā)展的時期，稀疏表示應用到圖像處理的各個領(lǐng)域，如人臉識別、圖像去噪、圖像分割、圖像壓縮等。通過樣本學習獲得字典，任意信號均可以用少量原子的線性組合來表示。得到的稀疏的系數(shù)向量，就可以幾乎精確的重建原信號。本文基于冗余字典能捕捉原始信號的魯棒特征的優(yōu)勢，研究其在圖像去噪中應用。本文主要的研究內(nèi)容如下：
　　(1)研究基于冗余字典的圖像分塊稀疏表示的去噪算法。首先對圖像進行分塊，借助貝葉斯重構(gòu)思想，

2、獲取圖像塊的魯棒近似稀疏表示，然后通過稀疏表示系數(shù)得到無噪圖像的近似表示。
　　(2)研究基于字典學習的自適應圖像稀疏表示去噪方法。首先借鑒K-SVD算法，初始化過完備字典，通過噪聲圖像塊訓練字典，然后應用學習得到的字典對噪聲圖像進行稀釋表示并去噪。訓練后的字典能更有效的表示圖像內(nèi)容，去噪效果更明顯。通過自然圖像的去噪實驗驗證算法的有效性。實驗結(jié)果表明該方法對在圖像去噪方面有著很好的效果。
　　(3)應用一種新的字典構(gòu)造思想

溫馨提示

  • 1. 本站所有資源如無特殊說明，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)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論