

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、稀疏表示是近幾年發(fā)展起來的一門全新理論,其發(fā)展勢(shì)頭非常迅猛,已成為信號(hào)處理、人工智能、機(jī)器學(xué)習(xí)、大數(shù)據(jù)分析等領(lǐng)域的核心問題。稀疏表示的意義主要體現(xiàn)在兩點(diǎn)上:第一,稀疏表示提供了解欠定方程的基本方法;第二,稀疏表示可以將自然信號(hào)在某種表示域下的稀疏性以先驗(yàn)信息的形式融入諸多信號(hào)處理任務(wù)中。眾所周知,線性變換空間與矩陣空間是同構(gòu)的,而諸多信號(hào)處理任務(wù)如圖像去噪和去模糊都等價(jià)于求解欠定方程組,在傳統(tǒng)框架下,此類問題很難解決,但在稀疏表示框架下
2、則可以較為輕松的求解。關(guān)于第二點(diǎn),在傳統(tǒng)的信號(hào)處理框架下,自然信號(hào)的先驗(yàn)信息沒有得到充分利用。自然信號(hào)的稀疏性是廣泛存在的,這意味著我們可以在很多信號(hào)處理任務(wù)中建立起更高效的方案。
本文主要針對(duì)稀疏表示及其在信號(hào)修復(fù)中的應(yīng)用展開。信號(hào)修復(fù)是指對(duì)受到干擾的信號(hào)進(jìn)行修復(fù),恢復(fù)出原始信號(hào)。信號(hào)修復(fù)是信號(hào)處理中的一大難題,因?yàn)槲覀冃枰獜挠邢薜囊阎畔⒅型茢喑鰜G失或者受損信號(hào)。由于缺少全局性的先驗(yàn)信息,傳統(tǒng)的信號(hào)修復(fù)方法需要建立復(fù)雜的模
3、型,有時(shí)候不同的信號(hào)還對(duì)應(yīng)不同的模型,而且普遍比較低效。信號(hào)在表示域的稀疏性作為一種廣泛存在于各種自然信號(hào)中的先驗(yàn)信息,可以很好的代替?zhèn)鹘y(tǒng)方法,效果也遠(yuǎn)好于傳統(tǒng)方法。本文主要分為以下幾部分。
第一,廣泛研究了現(xiàn)存的各種稀疏表示模型,對(duì)其理論模型、可恢復(fù)性條件、測(cè)量數(shù)條件做了較為深入的研究。我們重點(diǎn)研究了稀疏向量模型,對(duì)其受不同類型噪聲干擾時(shí)的恢復(fù)誤差進(jìn)行了較為深入的研究。
第二,在臨近算子和不動(dòng)點(diǎn)理論的背景下,研究了
4、一類臨近迭代算法和加速臨近迭代算法。我們發(fā)現(xiàn),臨近迭代算法可以保證單調(diào)性,而加速臨近迭代算法反而不能保證單調(diào)性,但在一些信號(hào)修復(fù)問題中我們要求算法必須單調(diào)。為了解決這個(gè)問題,我們利用Krasnosel’ski–Mann定理巧妙的構(gòu)造了單調(diào)化的加速臨近迭代算法,給出了完整的證明過程。除此之外,我們發(fā)現(xiàn)單調(diào)化的加速臨近迭代算法中的技巧——或者說策略,同樣適用于一類2014年最新出現(xiàn)的加速交替方向乘子法和加速變向法,我們給出了詳細(xì)的討論。
5、r> 第三,將構(gòu)造出來的單調(diào)化的加速臨近迭代算法用于一維信號(hào)修復(fù)。主要考慮兩類一維信號(hào)修復(fù)任務(wù),即含噪聲環(huán)境下的壓縮感知信號(hào)修復(fù),以及光纖光柵反射譜信號(hào)去噪問題。光纖光柵反射譜信號(hào)去噪問題是一維信號(hào)去噪問題里比較特殊的一類問題,因?yàn)樗坏笕ピ虢Y(jié)果要有較高的信噪比,而且去噪前后的峰值不能變化太多,為了解決此問題,我們?cè)趥鹘y(tǒng)的l1范數(shù)模型上提出了利用加權(quán)l(xiāng)1范數(shù)模型,對(duì)模型的有效性進(jìn)行了詳細(xì)的論證,并給出了大量的仿真結(jié)果。仿真結(jié)果表明
6、,加權(quán)l(xiāng)1范數(shù)可以進(jìn)一步提高標(biāo)準(zhǔn)l1范數(shù)模型的效果,不但具有非常高的峰值信噪比,還能有效克制峰值位移,峰值位移只有10-3nm,而傳統(tǒng)的數(shù)字濾波法和小波濾波法則高達(dá)0.2nm。因此本文算法對(duì)比傳統(tǒng)算法有著巨大的潛在優(yōu)勢(shì)。
第四,將構(gòu)造出來的單調(diào)化的加速臨近迭代算法用于圖像修復(fù)。首先回顧了傳統(tǒng)方法,即交替方向乘子法,將其應(yīng)用于圖像去雨線問題。仿真表明,此方法還不是很穩(wěn)定。然后將單調(diào)化的加速臨近迭代算法用于圖像去噪,我們開發(fā)了一種
7、新的變量分裂方法對(duì)全變差范數(shù)進(jìn)行分裂,變量分裂后的全變差模型比較容易求解,我們將此方法用于高斯噪聲去除和去模糊。為了去除圖像中的脈沖噪聲,我們構(gòu)造了TV-l1模型。為了求解此模型,我們引入函數(shù)平滑技術(shù),建立了TV_Moreau-l1模型,然后結(jié)合單調(diào)化的加速臨近迭代算法求解此模型。此外,我們還給出了以小波作為稀疏基的l1-l1模型,詳細(xì)地給出了算法的構(gòu)造和求解過程。第四部分是關(guān)于圖像去模糊問題,圖像去模糊問題是當(dāng)前反問題領(lǐng)域最具挑戰(zhàn)性的
8、難題,我們給出了兩種模型,對(duì)其構(gòu)造和求解過程進(jìn)行了細(xì)致的闡述,并分別與單調(diào)化的加速臨近迭代算法結(jié)合。然后是圖像修補(bǔ)問題,我們創(chuàng)造了一種多基模型用于圖像修補(bǔ),并完整地給出了算法的構(gòu)造和求解過程。
第六章討論了一類圖像重建問題,即基于壓縮感知的MRI圖像重建、稀疏CT圖像重建以及圖像超分辨率重建。觀察到這三個(gè)問題在稀疏表示的理論框架下有相似的數(shù)學(xué)模型,將三個(gè)問題歸納為一個(gè)問題,然后結(jié)合單調(diào)化的加速臨近迭代算法給出了問題的解。本文方
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
- 稀疏信號(hào)表示理論及其在圖像增強(qiáng)中的應(yīng)用.pdf
- 音頻信號(hào)的稀疏表示及其在帶寬擴(kuò)展中的應(yīng)用.pdf
- 基于稀疏表示的Criminisi圖像修復(fù)及其在缺陷檢測(cè)中的應(yīng)用.pdf
- 信號(hào)稀疏表示及其應(yīng)用研究.pdf
- 匹配追逐算法的研究及在信號(hào)稀疏表示中的應(yīng)用.pdf
- 稀疏表示及其在ISAR成像中的應(yīng)用研究.pdf
- 稀疏表示在目標(biāo)跟蹤中的應(yīng)用.pdf
- 信息稀疏表示算法及其在圖像恢復(fù)中應(yīng)用的研究.pdf
- 基于小波變換的信號(hào)稀疏表示及其在圖像去噪中的應(yīng)用.pdf
- 稀疏表示編碼模型及其在文本分類中的應(yīng)用.pdf
- 稀疏表示理論的研究及其在圖像去噪中的應(yīng)用.pdf
- 協(xié)稀疏表示模型在圖像復(fù)原中的應(yīng)用.pdf
- 稀疏表示和編碼在隱寫中的應(yīng)用.pdf
- 信號(hào)稀疏分解及其在路面輪廓信號(hào)處理中的應(yīng)用研究.pdf
- 稀疏信號(hào)重建及其在波達(dá)方向估計(jì)中的應(yīng)用.pdf
- 基于解析稀疏模型的信號(hào)稀疏表示.pdf
- 基于雷達(dá)信號(hào)的稀疏表示.pdf
- 通信信號(hào)稀疏表示研究.pdf
- 基于SIFT的稀疏表示在人臉識(shí)別中的應(yīng)用.pdf
- 信號(hào)稀疏表示算法研究.pdf
評(píng)論
0/150
提交評(píng)論