超復(fù)數(shù)稀疏表示及其應(yīng)用的研究.pdf

1、復(fù)口_大學(xué)碩士畢業(yè)論文摘要本文首先將稀疏表示的方法擴(kuò)展到超復(fù)數(shù)域，提出超復(fù)數(shù)域正交匹配跟蹤算法(QOMP)，然后給出了超復(fù)數(shù)域的稀疏字典學(xué)習(xí)方法(QK一SVD)。QK一SvD算法學(xué)習(xí)得到的稀疏字典能夠在捕獲重要結(jié)構(gòu)信息的同時(shí)也能獲取重要的超復(fù)數(shù)各成分空間關(guān)聯(lián)信息，并且用一個(gè)超復(fù)數(shù)字典取代三個(gè)色彩通道的稀疏字典。QK一SVD算法在彩色圖像去噪的應(yīng)用結(jié)果表明:超復(fù)數(shù)將彩色圖像的R、G、B三個(gè)分量統(tǒng)一處理的手段，保證了色彩空間的完整性通過(guò)和標(biāo)

2、量信號(hào)處理中K一SvD圖像去噪算法的對(duì)比，彩色圖像去噪在QK一SvD自適應(yīng)稀疏字典下有更稀疏的表示形式QK一SvD算法在處理彩色圖像去噪時(shí)取得了更好的處理效果。之后，針對(duì)在超復(fù)數(shù)稀疏表示的計(jì)算過(guò)程中，隨著信號(hào)維度的上升，基于貪婪算法的計(jì)算復(fù)雜度大大增加的問(wèn)題，本文提出了超復(fù)數(shù)平滑L。范數(shù)的稀疏表示求解算法(QSLO)。該算法在信號(hào)維度上升的同時(shí)仍能保持很好的計(jì)算復(fù)雜度。同時(shí)在稀疏成分分析這一問(wèn)題上，QSL。能夠很好的處理超復(fù)數(shù)矢量信號(hào)的

3、各個(gè)維度，得到超復(fù)數(shù)域的稀疏成分分析結(jié)果。并且在處理有噪聲情況下的超復(fù)數(shù)矢量時(shí)，QSL?？梢员３趾芎玫聂敯粜裕治鼋瞥鰧?shí)際的稀疏信號(hào)源分量。最后，在研究了現(xiàn)有結(jié)構(gòu)相似性測(cè)度(SSIM)算法中存在的問(wèn)題及其原因后，本文通過(guò)結(jié)合邊緣結(jié)構(gòu)信息，提出了邊緣加權(quán)的結(jié)構(gòu)相似性測(cè)度評(píng)價(jià)方法。該方法能夠更好的與主觀評(píng)價(jià)結(jié)果保持一致性和正確性。通過(guò)引入邊緣信息，改進(jìn)SSIM原有的結(jié)構(gòu)評(píng)價(jià)部分，解決了原有SSIM算法中對(duì)模糊失真評(píng)價(jià)過(guò)高和強(qiáng)高斯噪聲失真評(píng)

4、價(jià)過(guò)低的問(wèn)題，取得了更好的評(píng)價(jià)效果。另外，本文還利用超復(fù)數(shù)自適應(yīng)稀疏表示字典對(duì)彩色圖像進(jìn)行了質(zhì)量評(píng)估。該評(píng)估方法利用超復(fù)數(shù)稀疏表示字典獲取彩色圖像的重要結(jié)構(gòu)和紋理信息來(lái)對(duì)失真圖像進(jìn)行評(píng)估。仿真實(shí)驗(yàn)表明，該方法可以很好地評(píng)估高斯模糊圖像。關(guān)鍵詞:稀疏表示，超復(fù)數(shù)，彩色圖像去噪，自適應(yīng)稀疏字典，圖像質(zhì)量評(píng)復(fù)月大學(xué)碩士畢業(yè)論文Keywords:sParserePresentation，hyPereolnPlex，eolorilnagedeno