發(fā)布時(shí)間：2022-08-02 20:20

　　近年來(lái),應(yīng)用字典學(xué)習(xí)進(jìn)行圖像去噪備受廣大學(xué)者關(guān)注.字典學(xué)習(xí)的基本過(guò)程主要是通過(guò)自適應(yīng)學(xué)習(xí)方法對(duì)給定的樣本集進(jìn)行學(xué)習(xí)從而得到最優(yōu)的原子集合,再采用較少原子間的線性組合來(lái)表示訓(xùn)練樣本,常用的字典學(xué)習(xí)方法有DCT（Discrete Cosine Transform）離散余弦變換算法,MOD（Method of Optimal Directions）字典學(xué)習(xí)算法、以及K-SVD算法等.然而它們均未考慮字典原子間的相干性這一重要問(wèn)題,導(dǎo)致所得到字典中的噪音原子與無(wú)噪音原子具有很高的相似性,使得圖像去噪效果較差.針對(duì)這一問(wèn)題,本文構(gòu)建了一種既不降低字典稀疏性又能夠有效降低字典相干性的模型,并對(duì)該模型提出了兩種不同的算法進(jìn)行求解,具體算法如下:方法一,為了降低字典相干性,加快稀疏編碼的速度,在字典更新階段,采用奇異值分解的方法,但不再使用K-SVD算法中最大的奇異值對(duì)應(yīng)的特征向量更新字典,而是選擇能使模型極小化的特征向量更新字典.并將學(xué)習(xí)得到的字典用于圖像去噪,數(shù)值實(shí)驗(yàn)表明改進(jìn)的算法比K-SVD具有更小的相干性,獲得了更好的去噪效果.方法二,基于上述模型所建立的目標(biāo)函數(shù),在稀疏編碼階段采用擬牛頓梯度... 

【文章頁(yè)數(shù)】：53 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究的背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文的主要工作
    1.4 創(chuàng)新和特色
    1.5 本文組織結(jié)構(gòu)
2 字典學(xué)習(xí)算法相關(guān)理論
    2.1 基礎(chǔ)知識(shí)
        2.1.1 矩陣相關(guān)理論
        2.1.2 稀疏相關(guān)基礎(chǔ)知識(shí)
        2.1.3 稀疏表示的唯一性
        2.1.4 自相干性的定義
        2.1.5 過(guò)完備字典
    2.2 字典學(xué)習(xí)理論
        2.2.1 字典學(xué)習(xí)基本原理及模型
        2.2.2 字典學(xué)習(xí)的步驟
    2.3 本章小結(jié)
3 基于低相干性字典的K-SVD算法
    3.1 K-SVD字典學(xué)習(xí)算法
        3.1.1 正交匹配追蹤算法
        3.1.2 經(jīng)典的K-SVD算法
        3.1.3 經(jīng)典的K-SVD算法流程圖
    3.2 低相干性字典K-SVD算法
        3.2.1 等角緊框架
        3.2.2 低相干性字典K-SVD算法模型
        3.2.3 低相干性字典K-SVD算法模型求解
        3.2.4 實(shí)驗(yàn)結(jié)果及分析
    3.3 本章小結(jié)
4 基于擬牛頓梯度追蹤算法的低相干性字典學(xué)習(xí)
    4.1 字典稀疏表示系數(shù)的求解
        4.1.1 梯度追蹤法
        4.1.2 擬牛頓算法
        4.1.3 基于擬牛頓梯度追蹤算法
    4.2 低相干性字典D的求解
    4.3 實(shí)驗(yàn)與仿真
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 本文的工作總結(jié)
    5.2 工作展望
參考文獻(xiàn)
作者攻讀學(xué)位期間發(fā)表學(xué)術(shù)論文清單
致謝


【參考文獻(xiàn)】：
期刊論文
[1]字典學(xué)習(xí)模型、算法及其應(yīng)用研究進(jìn)展[J]. 練秋生,石保順,陳書貞.  自動(dòng)化學(xué)報(bào). 2015(02)
[2]帶邊界條件約束的非相干字典學(xué)習(xí)方法及其稀疏表示[J]. 湯紅忠,張小剛,陳華,程煒,唐美玲.  自動(dòng)化學(xué)報(bào). 2015(02)
[3]一種基于超完備字典學(xué)習(xí)的圖像去噪方法[J]. 蔡澤民,賴劍煌.  電子學(xué)報(bào). 2009(02)
[4]一種基于加權(quán)歐氏距離聚類方法的研究[J]. 宋宇辰,張玉英,孟海東.  計(jì)算機(jī)工程與應(yīng)用. 2007(04)



本文編號(hào)：3669180