图像稀疏表示理论研究.doc
《图像稀疏表示理论研究.doc》由会员分享,可在线阅读,更多相关《图像稀疏表示理论研究.doc(45页珍藏版)》请在咨信网上搜索。
1、武汉理工大学毕业设计(论文)图像稀疏表示理论研究学院(系): 信息学院 专业班级: 电信1001班 学生姓名: 朱玉峰 指导教师: 杨媛媛 讲师 学位论文原创性声明 本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包括任何其他个人或集体已经发表或撰写的成果作品。本人完全意识到本声明的法律后果由本人承担。作者签名: 年 月 日学位论文版权使用授权书本学位论文作者完全了解学校有关保障、使用学位论文的规定,同意学校保留并向有关学位论文管理部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权省级优秀学士论文评选机构将本
2、学位论文的全部或部分内容编入有关数据进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于1、保密囗,在 年解密后适用本授权书2、不保密囗 。(请在以上相应方框内打“”)作者签名: 年 月 日导师签名: 年 月 日18摘 要 本文借助数学软件MATLAB首先对不同小波基的图像稀疏表示能力进行了比较,从中选出最优基。然后对基于MOD和K-SVD的两种不同算法的学习字典进行了去噪实验,得出了K-SVD字典的稀疏表示能力更优的结论。虽然过完备稀疏字典的性能应该要优于小波变换,但还是通过对比试验来说明,这样显得更直观一些。对基于最优小波基和基于稀疏字典两种情况进行了比较,所得
3、结果对于整个图像稀疏表示理论的演变发展起到了论证作用,具有重要的指导意义。 论文主要研究了图像稀疏表示理论的整个发展历史以及现在的研究现状。介绍了基于小波变换和多尺度几何分析方法的图像稀疏表示,重点研究了基于过完备字典的图像稀疏表示理论。图像的过完备字典稀疏表示可分为稀疏分解和字典学习两过程:稀疏分解是在过完备字典已知的情况下获得表示系数的过程;而字典学习与稀疏分解相反,则是通过获得的表示系数来更新过完备字典。这两个过程的有效结合可以让图像稀疏分解的结果更加符合图像特征,从而提高图像的稀疏表示质量。基于此两个过程的内容,本文分析了基于MP,BP以及OMP算法的稀疏分解和基于MOD和K-SVD算
4、法的字典学习算法,并对其核心思想和性能差别进行了详细的介绍和分析,形成了以 OMP 算法用于稀疏分解,结合 K-SVD 字典学习算法的图像稀疏表示,并将此方法与小波变换进行比较。研究结果表明:基于稀疏字典的图像稀疏表示性能优于基于小波变换的稀疏表示。本文的特色:对整个图像稀疏表示理论的研究很全面,回顾了稀疏理论发展的历史和现状,通过实验论证了基于字典方法的优越性,对稀疏表示理论的后续研究提出了一定要求。 关键词: 图像稀疏;小波变换;过完备字典;OMP;K-SVDAbstract In this paper, using software MATLAB firstly indicates th
5、e ability to compare different image sparse wavelet base, choose the basis from which the. Then the two different learning algorithms of MOD and K-SVD dictionary based on denoising experiments, the sparse K-SVD dictionary representation capability and better conclusion. Although the performance over
6、 complete sparse dictionary should be superior to the wavelet transform, but by contrast experiment to illustrate, that seems more intuitive. Based on the optimal wavelet basis and sparse dictionary based on two conditions were compared, the results indicated the evolution theory to demonstrate to t
7、he sparse image, has the important guiding significance. This paper mainly studies the image sparse representation of the whole development history theory and the current research status. The sparse image analysis method of wavelet transform and multi scale geometric representation based on, key res
8、earch based on over complete dictionary of image sparse representation theory. The image of the over complete dictionary sparse representation can be divided into two processes for learning sparse decomposition and Dictionary: sparse decomposition is to obtain there presentation coefficients of the
9、process in the over complete dictionary of known cases; and dictionary learning and sparse decomposition instead, is obtained by the said coefficient to update the over complete dictionary. The effective combination of these two processes can make the image sparse decomposition results more in line
10、with the image features, so as to improve the quality of image sparse representation. The two process based content, based on the analysis of the MP, BP and OMP algorithm of sparse decomposition and MOD algorithm and K-SVD algorithm based on dictionary, and the difference between its core idea and p
11、erformance are introduced and analyzed in detail,using OMP algorithm for sparse decomposition of the form, combined with the K-SVD dictionary learning image sparse algorithm said, and this method is compared with the wavelet transform. Research results show that: the performance is better than the w
12、avelet transformbased on the sparse representation of sparse representation of images based on sparse dictionary. This feature: the representation theory in the study of very comprehensive on the image sparse, reviews the history and present situation of the development of the theory of sparse, the
13、experiments demonstrate the superiority of the dictionary based method, said some follow-up study on the theory of sparse requirements.Key Words:Sparse image; wavelet transform; over complete dictionary; OMP;KSVDI目 录第1章 绪论11.1 研究背景及意义11.2 国内外研究发展历程和现状2第2章 信号的稀疏表示理论42.1 数学基础及相关说明42.1.1 从逼近论到过冗余稀疏表示42
14、.1.2 稀疏性的度量52.1.3 唯一性和不确定性6第3章 图像稀疏表示基本理论的发展83.1 从傅里叶到小波83.1.1 傅立叶变换93.1.2 余弦变换93.1.3 小波变换103.2 超完备图像表示103.3 超小波图像稀疏表示113.3.1 Ridgelet (脊波) 变换113.3.2 Curvelet (曲线波) 变换123.3.3 Contourlet 变换133.3.4 Bandelet 变换13第4章 图像稀疏字典的设计和构造154.1 图像的稀疏分解154.1.1 稀疏分解的定义154.2 过完备字典164.2.1 分数频率法164.2.2 图像稀疏表示字典的选择和构造1
15、74.3 稀疏分解算法的实现174.3.1 BP 算法174.3.2 MP 算法184.3.3 OMP 算法204.4 稀疏字典发展趋势21第5章 不同稀疏表示方法的性能研究235.1 基于不同小波基的稀疏性能研究235.1.1 小波去噪原理235.1.2 实验分析及结论245.2 学习字典实验255.2.1 MOD算法研究255.2.2 K-SVD算法研究265.2.3 实验分析及结论285.3 基于小波变换和稀疏字典的图像表示性能比较30第6章 全文总结与展望326.1 论文工作总结326.2 未来工作展望32参考文献33附 录34致 谢39武汉理工大学毕业设计(论文)第1章 绪论1.1
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 图像 稀疏 表示 理论研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【天****】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【天****】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。