已閱讀1頁(yè)，還剩57頁(yè)未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說(shuō)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(jiǎn)介
1、圖像盲源分離是圖像處理的重要課題之一,目前已成為該領(lǐng)域的研究熱點(diǎn).圖像盲源分離是指,在關(guān)于圖像源及圖像傳輸方式等先驗(yàn)知識(shí)缺乏或知之甚少的前提下,僅由來(lái)自傳輸系統(tǒng)的觀測(cè)圖像來(lái)估計(jì)未知圖像源的過(guò)程.
基于形態(tài)成分分析和稀疏表示的盲源分離方法的主要思想是:利用混合圖像中各組成成分的形態(tài)差異性,將各組成成分在不同的字典下進(jìn)行稀疏表示.首先,介紹了圖像稀疏表示的基本理論,其中包括圖像稀疏表示模型、字典選擇算法、稀疏分解算法,以及稀疏
2、表示在多通道形態(tài)成分分析中的應(yīng)用等內(nèi)容.其次,本文根據(jù)圖像多種形態(tài)結(jié)構(gòu)的特征,建立了多形態(tài)的稀疏表示模型.并利用多形態(tài)稀疏表示的模型表示多成分的信源信號(hào)的方法,得到一種比傳統(tǒng)模型更稀疏的表示形式.此外,由于缺乏源圖像的先驗(yàn)信息采用較為傳統(tǒng)的L1范數(shù)刻畫(huà)不同成分在固定字典下的稀疏度不能有效地處理含多成分的盲源圖像.為了解決上述問(wèn)題,新模型還采用了帶結(jié)構(gòu)性的混合模度量稀疏度.最后,本文給出了一種新的迭代算法求解新模型.數(shù)值實(shí)驗(yàn)結(jié)果表明,本文
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)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
- 基于結(jié)構(gòu)稀疏表示的光譜圖像稀疏重建.pdf
- 基于稀疏表示的圖像重構(gòu).pdf
- 基于稀疏表示的圖像識(shí)別.pdf
- 基于稀疏表示的通信信號(hào)分離研究.pdf
- 基于稀疏表示的圖像修復(fù)研究.pdf
- 基于稀疏表示的圖像隱寫.pdf
- 基于壓縮感知的圖像稀疏表示方法.pdf
- 基于結(jié)構(gòu)稀疏表示的光譜圖像重建.pdf
- 基于稀疏表示的紋理圖像分割研究.pdf
- 基于稀疏表示的SAR圖像壓縮研究.pdf
- 基于稀疏表示的圖像融合方法研究.pdf
- 基于稀疏表示的SAR圖像抑斑.pdf
- 基于冗余字典的圖像稀疏表示研究.pdf
- 基于稀疏表示的射線DR圖像重建.pdf
- 基于稀疏表示的圖像融合算法.pdf
- 基于Bandelets的圖像稀疏表示及其應(yīng)用.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復(fù)原算法研究.pdf
- 基于稀疏表示的圖像混合噪聲去除算法.pdf
- 基于稀疏表示的圖像去噪研究.pdf
評(píng)論
0/150
提交評(píng)論