![](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/14/17/df30cdba-5f39-4687-b486-9122e026b80e/df30cdba-5f39-4687-b486-9122e026b80epic.jpg)
![基于張量秩校正的圖像恢復(fù)方法研究.pdf_第1頁](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/14/17/df30cdba-5f39-4687-b486-9122e026b80e/df30cdba-5f39-4687-b486-9122e026b80e1.gif)
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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著電子成像技術(shù)的不斷發(fā)展,計(jì)算機(jī)科技的不斷革新,以及互聯(lián)網(wǎng)技術(shù)的廣泛應(yīng)用,從一般彩色圖像,視頻圖像,到醫(yī)學(xué)圖像,高光譜圖像,從指紋識(shí)別,人臉識(shí)別到智能機(jī)器人的圖像識(shí)別,我們學(xué)習(xí),科研,工作和生活的各方面都會(huì)涉及或產(chǎn)生各種各樣的高維圖像,高維圖像已經(jīng)在人們的日常生活中作為一種重要的多媒體形式廣泛存在。如何從部分丟失觀測數(shù)據(jù)中恢復(fù)原始數(shù)據(jù),已經(jīng)成為圖像處理領(lǐng)域的熱點(diǎn)研究問題。
大多數(shù)現(xiàn)有的高維圖像、視頻數(shù)據(jù),本身就具有張量結(jié)構(gòu),
2、或者可以被組織成張量結(jié)構(gòu)。張量結(jié)構(gòu)具有良好的表達(dá)能力和計(jì)算特性,為此本文在總結(jié)和繼承前人的研究成果的基礎(chǔ)上,基于張量表示,本文研究有限樣本下的低秩張量數(shù)據(jù)恢復(fù)問題,在張量奇異值分解(t-SVD)理論的基礎(chǔ)上,對(duì)低秩張量數(shù)據(jù)恢復(fù)問題的模型,算法設(shè)計(jì)以及算法分析等方面進(jìn)行了一定的研究。
所取得的主要研究結(jié)果和創(chuàng)新點(diǎn)有:
1,我們考慮到傅里葉變換和張量奇異值分解(t-SVD)的思想,將張量核范數(shù)最小化問題中有復(fù)數(shù)域轉(zhuǎn)化到實(shí)
3、數(shù)域,提出了張量近似點(diǎn)算法,并且給出了算法的收斂性證明。在數(shù)值實(shí)驗(yàn)部分,彩色圖像,高光譜圖像和醫(yī)學(xué)圖像的恢復(fù)問題中,本文提出的張量近似點(diǎn)算法能夠計(jì)算更省時(shí)間。
2,從三階張量的結(jié)構(gòu)考慮,在張量奇異值分解(t-SVD)理論的基礎(chǔ)上,提出了兩階段張量秩校正模型,第一階段是用張量核范數(shù)最小化模型求得預(yù)估解,第二階段,根據(jù)預(yù)估解,求解張量秩校正模型,獲得更高精度的解,并張量近似點(diǎn)算法求解。實(shí)驗(yàn)結(jié)果驗(yàn)證了本文所提出模型和方法的有效性,結(jié)
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(qǐng)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(qǐng)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(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于低秩矩陣逼近的圖像恢復(fù)方法研究.pdf
- 基于結(jié)構(gòu)稀疏表達(dá)的圖像恢復(fù)方法研究.pdf
- 基于學(xué)習(xí)的壓縮感知圖像恢復(fù)方法研究.pdf
- 基于學(xué)習(xí)的壓縮圖像恢復(fù)方法.pdf
- 霧天圖像恢復(fù)方法的研究.pdf
- 基于稀疏低秩矩陣的有噪圖像修復(fù)方法研究.pdf
- 基于低秩逼近的光譜圖像恢復(fù).pdf
- 降晰圖像恢復(fù)方法研究.pdf
- 文件攝像儀的圖像恢復(fù)方法研究.pdf
- 運(yùn)動(dòng)模糊圖像恢復(fù)方法.pdf
- 基于多重網(wǎng)格算法的遙感圖像恢復(fù)方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的數(shù)字圖像恢復(fù)方法研究.pdf
- 31961.低秩張量恢復(fù)問題的數(shù)值算法研究
- 基于低秩矩陣填充與恢復(fù)的圖像去噪方法研究.pdf
- 幾類降質(zhì)圖像的恢復(fù)方法研究.pdf
- 基于壓縮感知理論的圖像識(shí)別與圖像流恢復(fù)方法研究.pdf
- 基于單幅圖像的三維形貌恢復(fù)方法研究.pdf
- 手寫漢字圖像動(dòng)態(tài)信息恢復(fù)方法研究.pdf
- 基于顯著性結(jié)構(gòu)的運(yùn)動(dòng)模糊圖像恢復(fù)方法.pdf
- 基于顯著性圖像邊緣聯(lián)合稀疏表示的圖像恢復(fù)方法研究.pdf
評(píng)論
0/150
提交評(píng)論