2023年全國碩士研究生考試考研英語一試題真題（含答案詳解+作文范文）_第1頁
已閱讀1頁，還剩90頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：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)，請進行舉報或認領

文檔簡介

1、圖像是人類認知外界環(huán)境的主要信息來源。借助計算機進行圖像處理的理論研究和實踐歷史悠久,且方興未艾。在稀疏表示理論的大背景下,本文重點研究了利用圖像的非局部自相似性構(gòu)建局部字典的方法,并分析和解決了將局部字典應用于圖像去噪時遇到的實際問題。提出了針對加性高斯白噪聲和SAR圖像相干斑的圖像去噪算法,取得了較好的實驗效果。本文主要工作包含以下三部分:
　　(1)對同步正交匹配追蹤算法(SOMP)進行了改進。通過引入相似集合系數(shù)中心化的約

2、束,改善了SOMP求解含噪信號的稀疏表示系數(shù)時易擬合噪聲和丟失圖像細節(jié)的缺點。我們設計了具體的實驗,驗證了該改進的有效性,并分析了局部字典對于提高算法效果的關鍵作用。
　　(2)提出了SVD(奇異值分解)局部字典的概念,將奇異值分解作為獲取局部字典的方式。提出了基于SVD局部字典和表示系數(shù)非局部約束的自然圖像去噪方法。給出了目標函數(shù)和求解方法,并分析得出了該目標函數(shù)在僅允許改變奇異值的情況下與維納濾波公式和低秩去噪算法中奇異值閾值

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(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)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。

評論

0/150

提交評論