

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、壓縮感知理論的提出,使圍繞其應(yīng)用的稀疏表示及優(yōu)化理論獲得蓬勃發(fā)展,目前已經(jīng)取得了諸如單像素相機、單像素量子成像等實際系統(tǒng)。在計算機視覺感知系統(tǒng)中的各個階段也有著大量應(yīng)用,比如:圖像恢復(fù)、醫(yī)學(xué)和雷達成像、遙感、紋理和目標分類識別、圖像分析和融合、視覺檢測跟蹤等方面。研究人員證實圖像信號在空間域或變換域具有稀疏的特性,論文以壓縮感知原理為基礎(chǔ),結(jié)合稀疏表示及優(yōu)化理論在圖像信號處理中的優(yōu)勢,圍繞計算機視覺中的視覺感知問題展開研究,主要完成工作
2、及創(chuàng)新有以下幾點。
?。?)圖像恢復(fù)的局部和非局部稀疏表示模型研究。目前基于稀疏表示和優(yōu)化的圖像恢復(fù)模型主要分為局部和非局部兩類,也有結(jié)合局部和非局部模型的恢復(fù)方法,本文對此進行了深入的分析和系統(tǒng)研究。針對在K-SVD方法執(zhí)行時易于陷入局部極小值問題,提出在其稀疏表示階段,把需要貪婪追蹤方法求解的?0范數(shù)轉(zhuǎn)化為?1范數(shù)凸優(yōu)化方法中的固定點延拓(FPC),進而求解得到稀疏表示系數(shù)。對基于稀疏表示的聚類(CSR)中的雙?1范數(shù)模型求
3、解問題,給出了新的代理函數(shù)求解方法,通過該代理函數(shù)可以直接進行交替更新參數(shù),并對代理函數(shù)的收斂性進行了分析。通過優(yōu)化的迭代求解,能夠進一步降低圖像恢復(fù)的誤差,得到較好的恢復(fù)結(jié)果。
(2)基于稀疏表示及優(yōu)化的圖像融合感知。圖像融合重要性不言而喻,待融合圖像在采集過程中難免會受各種退化因素干擾,希望發(fā)展在融合的同時也能去除噪聲等退化因素或者超分辨率的方法。本文提出了基于在線字典學(xué)習(xí)(ODL)的像素級圖像融合方法,采用ODL對分塊后
4、的待融合圖像進行學(xué)習(xí)得到稀疏和冗余字典,ODL在更新字典時不需要對所有數(shù)據(jù)重新學(xué)習(xí),適合處理大規(guī)模的數(shù)據(jù),計算效率較高。其次在對融合圖像表示系數(shù)確定融合規(guī)則時,同時考慮稀疏表示系數(shù)的大小和信息熵,通過信息熵計算融合系數(shù)的權(quán)重,分情況討論確定融合后的系數(shù)。然后根據(jù)學(xué)習(xí)到的字典和融合系數(shù),恢復(fù)出要融合圖像。通過對兩類模態(tài)圖像的融合實驗表明,提出的融合框架獲得的融合圖像包含待融合圖像的顯著性特征和更豐富的信息,客觀評價指標也較好。
5、(3)基于弱稀疏約束的目標分類識別。在基于稀疏表示的分類任務(wù)中,到底是稀疏約束對分類器性能幫助大還是協(xié)作表示的作用大的問題。本文用稀疏性較弱的?2范數(shù)約束代替稀疏表示分類器中的?1范數(shù)約束,把它和判別模型結(jié)合在統(tǒng)一框架內(nèi),提出了有效的用于人臉識別和目標分類的表示模型 DCR(Discriminative and Collaborative Representation)方法。首先,DCR方法通過協(xié)作表示利用所有的訓(xùn)練樣本構(gòu)成的過完備字典
6、對測試樣本進行表示,這種表示方式對遮擋等退化因素具有一定的魯棒性;此外,通過結(jié)合判別模型可以獲得對分類識別更多的判別信息。提出的方法有效的挖掘了樣本的相似性和鑒別性并且相對于已有方法而言獲得了較優(yōu)或相當?shù)膶嶒炐阅?,同時實驗也表明重構(gòu)誤差對目標分類的作用大于表示系數(shù),這為探索通用的特征選擇機制提供了思路。
(4)基于稀疏表示和流形學(xué)習(xí)的特征降維方法研究。稀疏保留投影方法通過?1范數(shù)正則項最小化相關(guān)的目標函數(shù)保留樣本數(shù)據(jù)的稀疏重建
7、關(guān)系。在此基礎(chǔ)上,本文提出了一種基于非相似度的稀疏保持投影(DSPP)方法。根據(jù)投影向量、表示系數(shù)、重構(gòu)誤差三個因素計算樣本之間關(guān)系,建立起所有樣本之間的非相似性散布矩陣。通過最大化目標函數(shù)得到相應(yīng)的線性變換,該變換能夠在低維度空間保留原始數(shù)據(jù)空間中樣本之間的非相似性。針對保留投影過程中,直接丟棄分母中含有重要識別信息的零空間,本文結(jié)合同時對角化的思想,給出了一個直接完備的求解方案,提出的方法不存在其他降維方法中要設(shè)置鄰域大小和熱核寬度
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(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(zé)。
- 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(dān)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。
最新文檔
- 基于稀疏表示的紅外圖像預(yù)處理方法研究.pdf
- 基于張量表示的多維信息處理方法研究.pdf
- 基于壓縮感知的圖像稀疏表示方法.pdf
- 基于稀疏表示的圖像融合方法研究.pdf
- 基于稀疏表示的圖像分類方法研究.pdf
- 基于稀疏表示的圖像修復(fù)方法研究.pdf
- 基于稀疏表示的圖像目標分類方法研究.pdf
- 基于Bandelets的圖像稀疏表示及其應(yīng)用.pdf
- 圖像信息處理機的圖像處理方法研究.pdf
- 基于視頻圖像的交通信息處理方法研究與實現(xiàn).pdf
- 圖像信息處理
- 基于稀疏表示及上下文信息的PolSAR圖像分類.pdf
- 基于稀疏表示的彩色圖像修復(fù)方法.pdf
- 圖像稀疏表示模型及其在圖像處理反問題中的應(yīng)用.pdf
- 基于稀疏表示的微波輻射圖像重構(gòu)方法研究.pdf
- 基于卷積稀疏表示的圖像去雨方法研究.pdf
- 基于字典學(xué)習(xí)和稀疏表示的圖像融合方法.pdf
- 基于稀疏表示的圖像去噪方法研究.pdf
- 基于稀疏表示模型的腦腫瘤圖像處理研究.pdf
- 基于結(jié)構(gòu)稀疏表示的光譜圖像稀疏重建.pdf
評論
0/150
提交評論