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77頁未讀, 繼續(xù)免費(fèi)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(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、本論文在國家自然科學(xué)基金(51261024,51675258)、國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2016YFF0203000)、江西省教育廳科學(xué)技術(shù)研究項(xiàng)目(GJJ150699)和廣東省數(shù)字信號與圖像處理技術(shù)重點(diǎn)實(shí)驗(yàn)室開放課題(2014GDDSIPL-01)共同資助下,圍繞Grouplet變換為中心,針對圖像重構(gòu)、圖像去噪、圖像融合方面展開研究,結(jié)合新的壓縮采樣理論,提出一系列新的算法,并取得了一些創(chuàng)新性的成果。本文的主要內(nèi)容包括以下幾方面:

2、r>  第一章,詳細(xì)論述了結(jié)合 Grouplet變換與壓縮感知的必要性、本課題的提出及其研究意義,系統(tǒng)介紹了超小波的發(fā)展及研究進(jìn)展,尤其是 Grouplet變換的國內(nèi)外研究現(xiàn)狀,最后給出了本文的主要內(nèi)容和創(chuàng)新之處。
  第二章,結(jié)合Grouplet變換與壓縮感知算法各自的優(yōu)點(diǎn),提出了基于Grouplet-壓縮感知(Grouplet-CS)的圖像重構(gòu)方法。該方法的特色在于充分將Grouplet變換稀疏表示融合于壓縮感知中,既最大限度

3、的利用圖像的幾何特征,又消除了傳統(tǒng)奈奎斯特采樣理論造成的冗余與資源的浪費(fèi),可以進(jìn)一步挖掘圖像的方向、尺度等的紋理信息,使得即使很少的采樣點(diǎn)數(shù)也可恢復(fù)出較清晰的圖像質(zhì)量。通過對Lena仿真與SAR圖像的重構(gòu)中,與小波變換壓縮感知方法進(jìn)行對比分析,證明了該方法一方面降低了傳統(tǒng)方法的稀疏度和采樣率,另一方面還提高了圖像的重構(gòu)質(zhì)量。另外,還對不同的重構(gòu)方法進(jìn)行了對比,研究表明在相同的Grouplet稀疏表示和相同的壓縮比下,ROMP算法整體優(yōu)于

4、OMP算法。
  第三章,引入貝葉斯壓縮感知的思想,在傳統(tǒng)貝葉斯變分算法的基礎(chǔ)上經(jīng)過改進(jìn),提出了適合二維的新的變分貝葉斯壓縮感知重構(gòu)算法,并結(jié)合Grouplet變換在稀疏表示方面的優(yōu)勢,提出了Grouplet-貝葉斯壓縮感知(Grouplet-BCS)算法。提出的算法主要針對實(shí)際中圖像會夾雜有噪聲的情況,針對是否含噪以及含噪強(qiáng)度的大小選擇Grouplet-BCS算法來自適應(yīng)地降噪。經(jīng)過Lena仿真研究,以及將其用于SAR圖像的消噪

5、中,并且與Grouplet-CS算法作比較,證明了提出的算法不僅降低了噪聲對圖像的污染,而且也在重構(gòu)精確度方面有顯著提高。
  第四章,論述了小波閾值消噪的特點(diǎn)以及存在的缺陷,針對小波閾值消噪中存在的問題,提出自適應(yīng)Grouplet閾值消噪,并詳細(xì)論證了其消噪原理和算法過程。在此基礎(chǔ)上,提出了自適應(yīng)Grouplet-CS算法和自適應(yīng)Grouplet-BCS算法,并將其用于圖像消噪中。通過仿真實(shí)驗(yàn),將幾類算法與傳統(tǒng)的小波閾值消噪方法

6、作對比,以及將其用于SAR圖像中,分析各種方法的適用性。
  第五章,利用Grouplet變換可以消除圖像的大冗余,在圖像的各尺度方向、紋理上的深度挖掘的優(yōu)勢,結(jié)合脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)可以從復(fù)雜背景下獲得有利信息的特點(diǎn),提出了Grouplet-PCNN融合算法。通過與PCNN、NSCT-PCNN以及小波-PCNN做仿真對比,證明了經(jīng)過Grouplet-PCNN融合算法得到的融合圖像信息是最豐富全面的,像素也是最高的,各紋理

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(yù)覽,若沒有圖紙預(yù)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(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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