信号稀疏化与应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

信号稀疏化与应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 信号1

1.2 信号稀疏化研究背景2

1.3 本书关于信号稀疏化应用的研究3

1.3.1 稀疏表达信号的检索与重构算法3

1.3.2 稀疏化图像修复算法4

1.3.3 稀疏化数字水印算法5

1.3.4 基于图像分解的多聚焦图像融合算法6

1.3.5 基于稀疏表达的人脸身份识别系统7

1.4 应用效果评价方法7

1.4.1 信号检索性能评价方法7

1.4.2 图像修复效果评价方法9

1.4.3 数字水印算法效果评价方法11

1.4.4 多聚焦图像融合效果评价方法12

本章小结15

参考文献及扩展阅读资料15

第2章 最优化方法基础18

2.1 非线性优化方法18

2.1.1 进退法18

2.1.2 牛顿法19

2.1.3 割线法19

2.1.4 下降迭代法20

2.2 无约束最优化方法22

2.2.1 最速下降法22

2.2.2 共轭梯度法22

2.2.3 牛顿法24

2.2.4 拟牛顿法24

2.3 约束最优化方法27

2.3.1 罚函数法27

2.3.2 二次规划问题29

本章小结32

参考文献及扩展阅读资料32

第3章 信号稀疏处理基础33

3.1 二维信号基础33

3.1.1 二维数字图像信号33

3.1.2 基于一维信号的二维信号分析34

3.2 三维信号基础36

3.2.1 三维模型36

3.2.2 三维模型几何信号分析38

3.3 信号压缩感知稀疏化过程40

3.3.1 压缩感知稀疏化过程40

3.3.2 基于压缩感知的三维模型稀疏化算法43

3.4 稀疏化信号的恢复过程43

3.5 奇异值分解稀疏化方法45

3.5.1 奇异值分解45

3.5.2 图像信号奇异值分解48

3.5.3 奇异值分解图像性质49

3.5.4 图像信号奇异值分解稀疏化压缩方法51

本章小结52

参考文献及扩展阅读资料52

第4章 信号稀疏化理论与方法55

4.1 信号稀疏表达理论55

4.1.1 信号稀疏表达55

4.1.2 稀疏编码56

4.1.3 字典训练58

4.2 主成分分析信号稀疏化方法60

4.2.1 主成分分析算法60

4.2.2 基于PCA的图像信号的块分类方法62

4.2.3 奇异值分解与主成分分析的关系64

4.3 鲁棒主成分分析信号稀疏化方法65

4.4 形态成分分析信号稀疏化方法67

本章小结69

参考文献及扩展阅读资料69

第5章 稀疏表达信号的检索与重构算法72

5.1 基于正则松弛法的稀疏表达三维模型检索方法72

5.1.1 引言72

5.1.2 松弛算法的构建73

5.1.3 正则化松弛算法的构建74

5.1.4 实验与分析74

5.2 基于稀疏KPCA的三维模型检索方法76

5.2.1 基于PCA稀疏表达的三维模型检索方法76

5.2.2 稀疏KPCA三维模型检索算法77

5.2.3 实验与分析79

5.3 基于新拟合函数的稀疏表达信号的重构方法85

5.3.1 引言85

5.3.2 相关研究86

5.3.3 新目标函数的构造87

5.3.4 信号的快速恢复方法88

5.3.5 新的类牛顿搜索方向88

5.3.6 算法描述90

5.3.7 实验与分析91

5.4 光滑正则化稀疏表达信号重构方法94

5.4.1 引言94

5.4.2 压缩感知与信号重构95

5.4.3 凸优化的正则化方法95

5.4.4 0范数的全空间光滑凸拟合函数构造95

5.4.5 压缩感知信号重构算法97

5.4.6 实验与分析98

本章小结103

参考文献及扩展阅读资料103

第6章 稀疏化图像修复算法106

6.1 引言106

6.2 理论基础107

6.2.1 图像修复的视觉心理107

6.2.2 数学模型107

6.3 研究现状与进展108

6.3.1 基于PDE的修复方法108

6.3.2 基于TS的修复方法109

6.3.3 基于SR的修复方法110

6.4 基于MCA的边缘提取方法113

6.4.1 形态成分分析MCA113

6.4.2 自适应阈值115

6.4.3 边缘提取115

6.4.4 实验与分析116

6.5 边缘修复117

6.6 基于非局部均值的自适应修复方法119

6.6.1 非局部均值119

6.6.2 基于像素离散度的图像块分类方法120

6.6.3 非局部均值的自适应修复算法122

6.7 基于MCA边缘引导和非局部均值的修复算法122

6.8 实验与分析123

6.8.1 两种文献方法的实验对比123

6.8.2 自适应方法实验对比124

6.8.3 本章方法与其他方法的实验对比125

本章小结128

参考文献及扩展阅读资料128

第7章 稀疏化数字水印算法136

7.1 引言136

7.2 研究现状与进展137

7.3 理论基础138

7.3.1 离散余弦变换138

7.3.2 形态学成分分析141

7.3.3 鲁棒主成分分析142

7.4 基于MCA的图像数字水印算法143

7.4.1 水印嵌入算法144

7.4.2 水印提取算法145

7.4.3 实验与分析145

7.5 基于RPCA的图像数字水印算法148

7.5.1 水印嵌入算法149

7.5.2 水印提取算法149

7.5.3 实验与分析150

本章小结152

参考文献及扩展阅读资料153

第8章 基于图像分解的多聚焦图像融合算法156

8.1 引言156

8.2 研究现状与进展157

8.3 理论基础158

8.3.1 图像分解基本模型158

8.3.2 Split Bregman算法160

8.4 基于图像分解的多聚焦图像融合算法163

8.4.1 算法原理163

8.4.2 融合规则164

8.4.3 实验与分析166

本章小结171

参考文献及扩展阅读资料171

第9章 基于稀疏表达的人脸身份识别系统175

9.1 引言175

9.1.1 研究现状175

9.1.2 存在的难点176

9.2 基于稀疏表达的人脸识别的相关理论177

9.2.1 人脸的稀疏表达177

9.2.2 基于稀疏表达的人脸分类178

9.2.3 稀疏表达有效性验证179

9.2.4 稀疏表达人脸识别的特征提取179

9.3 基于稀疏表达的人脸识别系统的设计与实现181

9.3.1 稀疏表达人脸识别核心算法流程181

9.3.2 基于稀疏表达的人脸识别核心算法的实现182

9.4 系统使用说明185

9.4.1 软件概述185

9.4.2 运行环境185

9.4.3 软件的功能185

9.4.4 软件的使用186

本章小结193

参考文献及扩展阅读资料194

附录 基于稀疏化表达的人脸身份识别系统的源代码196