數(shù)據(jù)復(fù)原問題的稀疏優(yōu)化模型及算法研究
發(fā)布時(shí)間:2023-08-18 19:39
當(dāng)今大數(shù)據(jù)時(shí)代,許多實(shí)際問題對(duì)數(shù)據(jù)的準(zhǔn)確性和完整性的要求越來越高。然而,數(shù)據(jù)在采集和傳輸過程中,由于環(huán)境條件或采集成本限制等不利因素的影響,導(dǎo)致獲取到的往往是受噪聲污染或部分信息缺失的降質(zhì)數(shù)據(jù)。此類數(shù)據(jù)通常會(huì)嚴(yán)重影響進(jìn)一步的數(shù)據(jù)處理,如目標(biāo)的追蹤、檢測、實(shí)例的分類等。因此復(fù)原降質(zhì)數(shù)據(jù)如今已成為一項(xiàng)基礎(chǔ)且非常重要的工作,并受到學(xué)術(shù)界與工業(yè)界科研工作者的廣泛關(guān)注。數(shù)據(jù)復(fù)原問題的目標(biāo)是基于已有的降質(zhì)數(shù)據(jù)來估計(jì)真實(shí)且完整的原始數(shù)據(jù),在數(shù)學(xué)上這是一類具有不適定性的反演問題。求解此類問題的關(guān)鍵在于挖掘并利用數(shù)據(jù)的先驗(yàn)信息,從而有效約束所求解使其盡可能的逼近真實(shí)的原數(shù)據(jù)。由于數(shù)據(jù)的許多性質(zhì)使它們?cè)诤线m的變換域或基底下呈現(xiàn)出稀疏性或具有稀疏表示,使得近年來基于稀疏優(yōu)化的正則化方法成為解決數(shù)據(jù)復(fù)原問題的重要方法之一。本文主要研究對(duì)復(fù)雜數(shù)據(jù)稀疏性先驗(yàn)的探索挖掘與準(zhǔn)確刻畫,建立合理的正則化數(shù)據(jù)復(fù)原模型并設(shè)計(jì)高效求解算法,主要內(nèi)容分為如下四個(gè)部分:一、提出了基于方向全變分的單幅圖像去雨模型及算法。圖像去雨旨在去除雨天環(huán)境中拍攝的圖像中的雨線,以恢復(fù)出清晰圖像;谟昃特有的方向性,采用方向全變分來刻畫雨線和真...
【文章頁數(shù)】:118 頁
【學(xué)位級(jí)別】:博士
【文章目錄】:
摘要
abstract
縮略詞表
主要符號(hào)表
第一章 緒論
1.1 研究課題的背景及現(xiàn)狀
1.1.1 圖像去雨問題
1.1.2 視頻去雨問題
1.1.3 利用輔助信息的矩陣填充問題
1.2 主要研究內(nèi)容與創(chuàng)新點(diǎn)
1.3 記號(hào)說明
1.4 本文的結(jié)構(gòu)安排
第二章 基于方向全變分的圖像去雨方法
2.1 引言
2.2 方向全變分簡介
2.3 先驗(yàn)分析與模型建立
2.4 模型求解
2.5 數(shù)值實(shí)驗(yàn)
2.5.1 參數(shù)設(shè)定
2.5.2 仿真圖像去雨實(shí)驗(yàn)
2.5.3 真實(shí)圖像去雨實(shí)驗(yàn)
2.6 本章小結(jié)
第三章 基于張量低秩模型的單幅圖像去雨方法
3.1 引言
3.1.1 張量相關(guān)知識(shí)介紹
3.2 先驗(yàn)分析及模型建立
3.3 模型求解
3.4 數(shù)值實(shí)驗(yàn)
3.4.1 參數(shù)設(shè)置
3.4.2 仿真實(shí)驗(yàn)
3.4.3 傾斜雨線的處理方法
3.4.4 真實(shí)數(shù)據(jù)實(shí)驗(yàn)
3.4.5 參數(shù)分析
3.5 本章小節(jié)
第四章 基于非局部低秩性及單向全變分正則的視頻去雨方法
4.1 引言
4.2 先驗(yàn)分析及模型建立
4.3 模型求解
4.4 數(shù)值實(shí)驗(yàn)
4.4.1 仿真數(shù)據(jù)實(shí)驗(yàn)
4.4.2 傾斜雨線的處理方法
4.4.3 參數(shù)調(diào)節(jié)與分析
4.4.4 真實(shí)數(shù)據(jù)實(shí)驗(yàn)
4.5 本章小節(jié)
第五章 利用輔助信息的高秩矩陣填充方法
5.1 引言
5.2 模型及分析
5.2.1 變量解耦方法
5.2.2 模型的凸松弛及擴(kuò)展
5.3 模型求解
5.4 數(shù)值實(shí)驗(yàn)
5.4.1 仿真數(shù)據(jù)實(shí)驗(yàn)
5.4.2 真實(shí)數(shù)據(jù)實(shí)驗(yàn)
5.5 本章小節(jié)
第六章 全文總結(jié)與展望
6.1 全文總結(jié)
6.2 未來工作展望
致謝
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的成果
本文編號(hào):3842824
【文章頁數(shù)】:118 頁
【學(xué)位級(jí)別】:博士
【文章目錄】:
摘要
abstract
縮略詞表
主要符號(hào)表
第一章 緒論
1.1 研究課題的背景及現(xiàn)狀
1.1.1 圖像去雨問題
1.1.2 視頻去雨問題
1.1.3 利用輔助信息的矩陣填充問題
1.2 主要研究內(nèi)容與創(chuàng)新點(diǎn)
1.3 記號(hào)說明
1.4 本文的結(jié)構(gòu)安排
第二章 基于方向全變分的圖像去雨方法
2.1 引言
2.2 方向全變分簡介
2.3 先驗(yàn)分析與模型建立
2.4 模型求解
2.5 數(shù)值實(shí)驗(yàn)
2.5.1 參數(shù)設(shè)定
2.5.2 仿真圖像去雨實(shí)驗(yàn)
2.5.3 真實(shí)圖像去雨實(shí)驗(yàn)
2.6 本章小結(jié)
第三章 基于張量低秩模型的單幅圖像去雨方法
3.1 引言
3.1.1 張量相關(guān)知識(shí)介紹
3.2 先驗(yàn)分析及模型建立
3.3 模型求解
3.4 數(shù)值實(shí)驗(yàn)
3.4.1 參數(shù)設(shè)置
3.4.2 仿真實(shí)驗(yàn)
3.4.3 傾斜雨線的處理方法
3.4.4 真實(shí)數(shù)據(jù)實(shí)驗(yàn)
3.4.5 參數(shù)分析
3.5 本章小節(jié)
第四章 基于非局部低秩性及單向全變分正則的視頻去雨方法
4.1 引言
4.2 先驗(yàn)分析及模型建立
4.3 模型求解
4.4 數(shù)值實(shí)驗(yàn)
4.4.1 仿真數(shù)據(jù)實(shí)驗(yàn)
4.4.2 傾斜雨線的處理方法
4.4.3 參數(shù)調(diào)節(jié)與分析
4.4.4 真實(shí)數(shù)據(jù)實(shí)驗(yàn)
4.5 本章小節(jié)
第五章 利用輔助信息的高秩矩陣填充方法
5.1 引言
5.2 模型及分析
5.2.1 變量解耦方法
5.2.2 模型的凸松弛及擴(kuò)展
5.3 模型求解
5.4 數(shù)值實(shí)驗(yàn)
5.4.1 仿真數(shù)據(jù)實(shí)驗(yàn)
5.4.2 真實(shí)數(shù)據(jù)實(shí)驗(yàn)
5.5 本章小節(jié)
第六章 全文總結(jié)與展望
6.1 全文總結(jié)
6.2 未來工作展望
致謝
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的成果
本文編號(hào):3842824
本文鏈接:http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/3842824.html
最近更新
教材專著