已閱讀1頁,還剩74頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、光譜成像中不僅包含目標的二維空間信息,還包含逐個像素點的一維光譜信息,在農業(yè)、醫(yī)療、海洋、軍事等諸多領域都具有重要的地位。壓縮感知理論的應用使得高光譜圖像采樣率低于傳統(tǒng)采樣定理的要求,極大地減小了系統(tǒng)結構和傳感器數量對成像質量的限制。本文以壓縮感知為框架,結合圖像非局部結構近似理論,重點研究編碼孔徑成像系統(tǒng)中高光譜圖像的低秩重構算法。
首先,介紹了壓縮感知發(fā)展現狀及其在成像系統(tǒng)中的應用,從信號稀疏表示的層面論述了壓縮感知原理,
2、分析了多維場景編碼感知光譜成像的數學模型。
其次,引入非局部近似理論,分析了非局部圖像恢復算法的原理,在二維圖像冗余結構近似的基礎上挖掘光譜立方體內部的非局部結構相似特性,根據聚類結果構建低秩矩陣,利用低秩迭代收縮逼近實現光譜圖像的去噪。
最后,以CASSI為成像系統(tǒng)模型,提出了一種以彩色圖像顯著度信息作為引導的分區(qū)控制編碼模板;結合全彩色信息挖掘粗估計光譜立方體中的非局部結構相似,給出了彩色引導的非局部子光譜立方塊
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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
- 基于稀疏表示與低秩逼近的高光譜圖像重建.pdf
- 高光譜圖像結構稀疏編碼與重建.pdf
- 基于三維全變差和矩陣低秩逼近的高光譜圖像重建.pdf
- 基于稀疏表示和低秩表示的高光譜圖像波段選擇方法研究.pdf
- 基于低秩表示的空譜聯(lián)合高光譜圖像分類模型與方法.pdf
- 基于低秩表示的高光譜圖像解混算法研究.pdf
- 基于低秩逼近的光譜圖像恢復.pdf
- 基于非局部低秩約束的圖像壓縮感知重建方法研究.pdf
- 稀疏與低秩先驗下的高光譜分類與檢測方法.pdf
- 高光譜圖像編碼研究.pdf
- 基于結構化稀疏和低秩表示的高光譜分類方法.pdf
- 基于低秩方法的極化SAR圖像分類方法.pdf
- 基于低秩約束非負矩陣分解的高光譜解混方法研究.pdf
- 遙感衛(wèi)星高光譜圖像壓縮編碼方法研究.pdf
- 基于超像素分割與低秩表示的高光譜圖像去噪算法研究.pdf
- 基于低秩矩陣恢復的高光譜圖像去噪與降維算法研究.pdf
- 基于稀疏與低秩的動態(tài)核磁共振圖像重建.pdf
- 基于組稀疏編碼的高光譜圖像空譜聯(lián)合分類方法.pdf
- 基于深度特征編碼的高光譜圖像分類.pdf
- 基于壓縮感知的高光譜圖像重建算法研究.pdf
評論
0/150
提交評論