信號稀疏化與套用

信號稀疏化與套用

《信號稀疏化與套用》是西安電子科技大學出版社出版的圖書。

基本介紹

  • 中文名:信號稀疏化與套用
  • 作者:李洪安
  • 出版社:西安電子科技大學出版社
  • 出版時間:2017年11月
  • 定價:30 元
  • ISBN:978-7-5606-4727-2
內容簡介,目錄,

內容簡介

本書系統地介紹了信號稀疏化理論及其套用。全書共分為兩部分;第一部分介紹信號稀疏化理論、處理效果評價方法及其數學基礎,幫助讀者理解並掌握信號稀疏化理論的本質與特點;第二部分介紹信號稀疏化方法在檢索和重構、圖像修復、數字水印、圖像融合等領域的套用及改進方法,以及一個基於稀疏表達的人臉身份識別系統

目錄

第1章 緒論 1
1.1 信號 1
1.2 信號稀疏化研究背景 2
1.3 本書關於信號稀疏化套用的研究 3
1.3.1 稀疏表達信號的檢索與重構算法 3
1.3.2 稀疏化圖像修復算法 4
1.3.3 稀疏化數字水印算法 5
1.3.4 基於圖像分解的多聚焦圖像融合算法 6
1.3.5 基於稀疏表達的人臉身份識別系統 7
1.4 套用效果評價方法 7
1.4.1 信號檢索性能評價方法 7
1.4.2 圖像修復效果評價方法 9
1.4.3 數字水印算法效果評價方法 11
1.4.4 多聚焦圖像融合效果評價方法 12
本章小結 15
參考文獻及擴展閱讀資料 15
第2章 最最佳化方法基礎 18
2.1 非線性最佳化方法 18
2.1.1 進退法 18
2.1.2 牛頓法 19
2.1.3 割線法 19
2.1.4 下降疊代法 20
2.2 無約束最最佳化方法 22
2.2.1 最速下降法 22
2.2.3 牛頓法 24
2.2.4 擬牛頓法 24
2.3 約束最最佳化方法 27
2.3.1 罰函式法 27
2.3.2 二次規劃問題 29
本章小結 32
參考文獻及擴展閱讀資料 32
第3章 信號稀疏處理基礎 33
3.1 二維信號基礎 33
3.1.1 二維數字圖像信號 33
3.1.2 基於一維信號的二維信號分析 34
3.2 三維信號基礎 36
3.2.1 三維模型 36
3.2.2 三維模型幾何信號分析 38
3.3 信號壓縮感知稀疏化過程 40
3.3.1 壓縮感知稀疏化過程 40
3.3.2 基於壓縮感知的三維模型稀疏化算法 43
3.4 稀疏化信號的恢復過程 43
3.5 奇異值分解稀疏化方法 45
3.5.1 奇異值分解 45
3.5.2 圖像信號奇異值分解 48
3.5.3 奇異值分解圖像性質 49
3.5.4 圖像信號奇異值分解稀疏化壓縮方法 51
本章小結 52
參考文獻及擴展閱讀資料 52
第4章 信號稀疏化理論與方法 55
4.1 信號稀疏表達理論 55
4.1.1 信號稀疏表達 55
4.1.2 稀疏編碼 56
4.1.3 字典訓練 58
4.2 主成分分析信號稀疏化方法 60
4.2.1 主成分分析算法 60
4.2.2 基於PCA的圖像信號的塊分類方法 62
4.2.3 奇異值分解與主成分分析的關係 64
4.3 魯棒主成分分析信號稀疏化方法 65
4.4 形態成分分析信號稀疏化方法 67
本章小結 69
參考文獻及擴展閱讀資料 69
第5章 稀疏表達信號的檢索與重構算法 72
5.1 基於正則鬆弛法的稀疏表達三維模型檢索方法 72
5.1.1 引言 72
5.1.2 鬆弛算法的構建 73
5.1.3 正則化鬆弛算法的構建 74
5.1.4 實驗與分析 74
5.2 基於稀疏KPCA的三維模型檢索方法 76
5.2.1 基於PCA稀疏表達的三維模型檢索方法 76
5.2.2 稀疏KPCA三維模型檢索算法 77
5.2.3 實驗與分析 79
5.3 基於新擬合函式的稀疏表達信號的重構方法 85
5.3.1 引言 85
5.3.2 相關研究 86
5.3.3 新目標函式的構造 87
5.3.4 信號的快速恢複方法 88
5.3.5 新的類牛頓搜尋方向 88
5.3.6 算法描述 90
5.3.7 實驗與分析 91
5.4 光滑正則化稀疏表達信號重構方法 94
5.4.1 引言 94
5.4.2 壓縮感知與信號重構 95
5.4.3 凸最佳化的正則化方法 95
5.4.4 0範數的全空間光滑凸擬合函式構造 95
5.4.5 壓縮感知信號重構算法 97
5.4.6 實驗與分析 98
本章小結 103
參考文獻及擴展閱讀資料 103
第6章 稀疏化圖像修復算法 106
6.1 引言 106
6.2 理論基礎 107
6.2.1 圖像修復的視覺心理 107
6.2.2 數學模型 107
6.3 研究現狀與進展 108
6.3.1 基於PDE的修複方法 108
6.3.2 基於TS的修複方法 109
6.3.3 基於SR的修複方法 110
6.4 基於MCA的邊緣提取方法 113
6.4.1 形態成分分析MCA 113
6.4.2 自適應閾值 115
6.4.3 邊緣提取 115
6.4.4 實驗與分析 116
6.5 邊緣修復 117
6.6 基於非局部均值的自適應修複方法 119
6.6.1 非局部均值 119
6.6.2 基於像素離散度的圖像塊分類方法 120
6.6.3 非局部均值的自適應修復算法 122
6.7 基於MCA邊緣引導和非局部均值的修復算法 122
6.8 實驗與分析 123
6.8.1 兩種文獻方法的實驗對比 123
6.8.2 自適應方法實驗對比 124
6.8.3 本章方法與其他方法的實驗對比 125
本章小結 128
參考文獻及擴展閱讀資料 128
第7章 稀疏化數字水印算法 136
7.1 引言 136
7.2 研究現狀與進展 137
7.3 理論基礎 138
7.3.2 形態學成分分析 141
7.3.3 魯棒主成分分析 142
7.4 基於MCA的圖像數字水印算法 143
7.4.1 水印嵌入算法 144
7.4.2 水印提取算法 145
7.4.3 實驗與分析 145
7.5 基於RPCA的圖像數字水印算法 148
7.5.1 水印嵌入算法 149
7.5.2 水印提取算法 149
7.5.3 實驗與分析 150
本章小結 152
參考文獻及擴展閱讀資料 153
第8章 基於圖像分解的多聚焦圖像融合算法 156
8.1 引言 156
8.2 研究現狀與進展 157
8.3 理論基礎 158
8.3.1 圖像分解基本模型 158
8.3.2 Split Bregman算法 160
8.4 基於圖像分解的多聚焦圖像融合算法 163
8.4.1 算法原理 163
8.4.2 融合規則 164
8.4.3 實驗與分析 166
本章小結 171
參考文獻及擴展閱讀資料 171
第9章 基於稀疏表達的人臉身份識別系統 175
9.1 引言 175
9.1.1 研究現狀 175
9.1.2 存在的難點 176
9.2 基於稀疏表達的人臉識別的相關理論 177
9.2.1 人臉的稀疏表達 177
9.2.2 基於稀疏表達的人臉分類 178
9.2.3 稀疏表達有效性驗證 179
9.2.4 稀疏表達人臉識別的特徵提取 179
9.3 基於稀疏表達的人臉識別系統的設計與實現 181
9.3.1 稀疏表達人臉識別核心算法流程 181
9.3.2 基於稀疏表達的人臉識別核心算法的實現 182
9.4 系統使用說明 185
9.4.1 軟體概述 185
9.4.2 運行環境 185
9.4.3 軟體的功能 185
9.4.4 軟體的使用 186+
本章小結 193
參考文獻及擴展閱讀資料 194

相關詞條

熱門詞條

聯絡我們