超復數稀疏表示及其應用的研究.pdf

1、復口_大學碩士畢業(yè)論文摘要本文首先將稀疏表示的方法擴展到超復數域，提出超復數域正交匹配跟蹤算法(QOMP)，然后給出了超復數域的稀疏字典學習方法(QK一SVD)。QK一SvD算法學習得到的稀疏字典能夠在捕獲重要結構信息的同時也能獲取重要的超復數各成分空間關聯信息，并且用一個超復數字典取代三個色彩通道的稀疏字典。QK一SVD算法在彩色圖像去噪的應用結果表明:超復數將彩色圖像的R、G、B三個分量統(tǒng)一處理的手段，保證了色彩空間的完整性通過和標

2、量信號處理中K一SvD圖像去噪算法的對比，彩色圖像去噪在QK一SvD自適應稀疏字典下有更稀疏的表示形式QK一SvD算法在處理彩色圖像去噪時取得了更好的處理效果。之后，針對在超復數稀疏表示的計算過程中，隨著信號維度的上升，基于貪婪算法的計算復雜度大大增加的問題，本文提出了超復數平滑L。范數的稀疏表示求解算法(QSLO)。該算法在信號維度上升的同時仍能保持很好的計算復雜度。同時在稀疏成分分析這一問題上，QSL。能夠很好的處理超復數矢量信號的

3、各個維度，得到超復數域的稀疏成分分析結果。并且在處理有噪聲情況下的超復數矢量時，QSL?？梢员３趾芎玫聂敯粜?，分析近似出實際的稀疏信號源分量。最后，在研究了現有結構相似性測度(SSIM)算法中存在的問題及其原因后，本文通過結合邊緣結構信息，提出了邊緣加權的結構相似性測度評價方法。該方法能夠更好的與主觀評價結果保持一致性和正確性。通過引入邊緣信息，改進SSIM原有的結構評價部分，解決了原有SSIM算法中對模糊失真評價過高和強高斯噪聲失真評

4、價過低的問題，取得了更好的評價效果。另外，本文還利用超復數自適應稀疏表示字典對彩色圖像進行了質量評估。該評估方法利用超復數稀疏表示字典獲取彩色圖像的重要結構和紋理信息來對失真圖像進行評估。仿真實驗表明，該方法可以很好地評估高斯模糊圖像。關鍵詞:稀疏表示，超復數，彩色圖像去噪，自適應稀疏字典，圖像質量評復月大學碩士畢業(yè)論文Keywords:sParserePresentation，hyPereolnPlex，eolorilnagedeno