下载此文档

基于稀疏表示和字典学习的图像去噪方法的研究.pdf


文档分类:IT计算机 | 页数:约55页 举报非法文档有奖
1/55
下载提示
  • 1.该资料是网友上传的,本站提供全文预览,预览什么样,下载就什么样。
  • 2.下载该文档所得收入归上传者、原创者。
  • 3.下载的文档,不会出现我们的网址水印。
1/55 下载此文档
文档列表 文档介绍
A Dissertation Submitted to Guangdong University ofTechnology fortheMaster Degree ofEngineering Science Research on image denoising method based on sparse representatiOn and dictionary learning Candidate:Jiayin Lin Supervisor: Zhan May,2015 School puter Science and Technology Guangdong University ofTechnology Guangzhou,Guangdong。,510006 万方数据摘要摘要随着压缩感知理论的发展,稀疏表示逐渐成为了研究的热点,发展迅速, 并已经在图像去噪等领域得到了广泛应用。信号稀疏表示,其实质是用稀疏系数简洁的表示信号,同时保持信号的结构特点。基于图像和噪声频带可分离是传统图像去噪的理论基础,但实际上这种理论假设是不成立的,因此这类去噪方法对图像信息会造成损伤。基于稀疏表示的图像去噪算法的思路是通过构建与图像信息结构相适应的字典,从而实现以尽可能少的原子的线性组合来表示图像信息;然后利用随机噪声不能用原子的线性组合进行表示的原理,将信号和噪声进行分离。本文对稀疏表示和字典学****进行了深入学****与研究。在此基础上,结合多凸优化问题的求解,本文给出了一种快速字典学****算法,并将其应用于基于稀疏表示的图像去噪,取得了较好的实验效果。本文主要分为以下三部分: 、稀疏分解算法以及稀疏表示的唯一性进行了详细分析和介绍。 。字典学****关系信号最稀疏表示的实现,一定程度上决定了信号恢复重建的质量。在对字典学****理论和模型分析的基础上, 详细分析、介绍了几种字典学****的经典算法。基于对字典学****经典算法的分析, 提出应用近端梯度算法求解字典学****模型来获取学****字典的方法,即基于近端梯度的快速字典学****算法。该算法在计算复杂度、运算时间、全局收敛、获取字典性能等方面有一定优势。 。介绍了图像稀疏表示模型,详细分析了图像稀疏去噪模型以及图像稀疏去噪模型的求解过程;采用本文提出的字典学****算法获得了学****字典,并将其应用到图像稀疏去噪模型中进行图像去噪,、OLM的图像去噪,本文方法获得去噪效果更好。关键词:稀疏表示;字典学****近端梯度;图像去噪;凸优化万方数据广东工业大学硕士学位论文 II 万方数据 ABSTRACT ABSTRACT pany thedevelopment theory,sparse representation theory e ahotresearch and hasbeen thoroughly studied,which used inimage processing fieldsconstantly,like image de-noising,image essence of signal sparse representation isusing sparse coefficient represents thesignal,meanwhile maintaining the signal structural general,the traditional image denoising method isbased on the assumption that image and noise bands can be separated,but infactthisassumption does cause thedamage oftheoriginal key ofSparse representation based de—noising method is tofind adictionary toadapt the structure of theimage information,using as little atom bination aspossible to represent theimage information;according tothetheory thattherandom noise can’tbe represented by atom bination,by which could separate thesignal a

基于稀疏表示和字典学习的图像去噪方法的研究 来自淘豆网www.taodocs.com转载请标明出处.

非法内容举报中心
文档信息
  • 页数55
  • 收藏数0 收藏
  • 顶次数0
  • 上传人gd433
  • 文件大小0 KB
  • 时间2016-04-26