导读:本文包含了稀疏表示算法论文开题报告文献综述及选题提纲参考文献，主要关键词:彩色图像,图像去噪,本征图像分解,稀疏表示
稀疏表示算法论文文献综述
谢斌,黄安,黄辉[1]（2019）在《本征图像分解的稀疏表示彩色图像去噪算法》一文中研究指出为解决传统彩色图像去噪算法容易出现细节模糊、伪色彩及去噪效果不佳等问题,文中提出了一种基于本征图像分解的稀疏表示彩色图像去噪算法。利用本征图像分解良好的色彩保持和细节恢复等优点,将含噪彩色图像分解成反映图像真实颜色特征的反射率部分和反映图像亮度特征的光照率部分。一方面,反射率部分仅含有部分孤立噪声点且是具有分段平滑特性的彩色图像,因此文中采用在去除彩色图像轻度污染方面表现良好的基于稀疏表示的彩色图像去噪算法对其进行处理。另一方面,光照率部分包含了主要噪声成分且是具有较强稀疏性的灰度图像,因此文中采用能够保持图像细节的非局部集中稀疏表示灰度图像去噪算法对其进行处理。为了有效地求解所提算法,文中结合正交匹配追踪法和软阈值法设计了一种新的数值解法。数值实验结果表明,新算法明显优于经典的彩色图像去噪算法。以256×256的Boat图像为例,在噪声方差等于20时,新算法的PSNR值比K-SVD算法和NCSR算法分别提高了1.7dB和0.67dB,SSIM值比K-SVD方法和NCSR算法分别提高了0.11和0.09。文中所提算法在提高彩色图像去噪效果的同时能够有效地保留图像细节,在视觉效果和客观评价指标等方面均优于传统的ROF算法、K-SVD算法和NCSR算法。(本文来源于《液晶与显示》期刊2019年11期）
穆绍硕,张解放[2]（2019）在《基于快速l_1-范数稀疏表示和TGV的超分辨算法研究》一文中研究指出针对光学相机成像分辨率低、噪声干扰严重等问题,本文提出一种能有效去噪的高精度超分辨方法—基于快速l1-范数稀疏表示和二阶广义全变分(TGV)的超分辨方法。首先利用各向异性扩散张量(ADT)作为边缘高频信息,通过快速l1-范数稀疏表示方法建立LR图像和相对应的高频信息ADT的字典集;其次将字典学习到的ADT边缘信息和TGV模型组合成新的规则项;最后利用新的规则项建立超分辨代价函数,并利用图像增强后处理方法对整幅图像进行优化。结果表明:算法对仿真数据和SO12233靶标数据具有较高的可行性和鲁棒性,能有效去除噪声等异常点,获得高质量清晰图像,同时与其他经典算法相比,所提算法超分辨的峰值信噪比和结构相似度均有所增大。(本文来源于《光电工程》期刊2019年11期）
黎丽,潘博,杨俊,蒋涛,陈丽[3]（2019）在《图像非局部自相似的稀疏表示算法》一文中研究指出在研究图像非局部自相似以及图像稀疏表示的基础上,致力于设计简单有效的数据变换方式,提出一个图像非局部自相似的投影算法,并利用该算法设计一个图像去噪声算法,通过稀疏表示图像,增强图像的纹理细节及图像的结构信息,从而恢复具有高保真度的图像.仿真实验结果表明,该算法能在保留图像纹理及结构信息的情况下有效去除噪声.(本文来源于《嘉兴学院学报》期刊2019年06期）
金璐,李范鸣,刘士建,王霄[4]（2019）在《基于稀疏表示的红外空中目标分类算法（英文）》一文中研究指出针对红外空中目标,提出了一种基于稀疏表示的快速分类算法.该工作的技术难点表现在训练样本较少,算法需要具有旋转不变性、较高的抗噪性和实时性.针对这些难点,首先根据红外空中面目标的梯度信息和统计特性,计算出图像主方向,然后将主方向旋转至同一参考方向.接着基于稀疏表示原理,把分类问题转化为1范数最小化问题,最后用快速收敛方法得到分类结果.实验结果表明该方法能够达到98.3%的正确率,给测试图像50%的像素迭加噪声后,分类正确率仍大于80%.(本文来源于《红外与毫米波学报》期刊2019年05期）
贾立丽,张升伟,何杰颖,李娜[5]（2019）在《基于多任务联合稀疏表示的高光谱图像分类算法》一文中研究指出为了充分提取高光谱图像丰富的光谱信息,尽可能降低光谱冗余,同时保留较多有效判别信息.基于高光谱图像单波段的谱间相似性,提出了基于多任务学习和稀疏表示的分类算法.该方法将光谱间的冗余特性转化为有效信息加以利用,使用波段交叉分组策略构建子任务,并引入稀疏表示模型将所有分类任务进行联合表示,最终根据所有任务的累积残差确定测试样本的类别.实验对比分析了多任务联合表示分类和单任务分类的准确率.结果表明,基于多任务联合稀疏表示模型的分类性能优于单任务模型.(本文来源于《微电子学与计算机》期刊2019年10期）
石翠萍,王晴[6]（2019）在《基于稀疏表示的图像超分辨率重建算法设计》一文中研究指出为解决一般重建方法效果欠佳的问题,使重建后的图像具有良好的清晰度,本文依据稀疏表示原理等内容,设计了一种新的超分辨率重建算法,实现了超分辨率最优解问题.对一幅低分辨率图像,分割后进行特征提取,得到的图像特征块可在字典的低分辨率部分生成一组权重系数.在字典的高分辨率部分,用高分辨率特征块乘以所得系数,可以重新构造出高分辨率图像块,并将它们组合起来得到一幅完备的高分辨率图像.实验结果表明,与双叁次插值方法相比,本文算法重构的高分辨率图像具有更好的质量.(本文来源于《微电子学与计算机》期刊2019年10期）
李金昊,杨春玲,禤韵怡[7]（2019）在《视频压缩感知中组稀疏表示的自适应阈值算法》一文中研究指出在对帧间组稀疏表示框架研究后,提出一种改进的组稀疏表示的自适应阈值算法(AT-GSR)。在变换域进行阈值处理过程中,根据采样率,在迭代开始时对初始阈值进行自适应设置,在迭代过程中对阈值进行阶梯型递减,保证信号在噪声被滤去的前提下,保留更多细节特征。针对非剧烈运动序列提出使用重构精度较高的关键帧作为参考帧的方案,保证帧间匹配块的精度,且利用前后两个方向的时间相关性。仿真结果表明,所提重构算法AT-GSR,对于运动不太剧烈的视频序列,相对于SSIM-InterF-GSR降低了算法复杂度,提高了重构性能,与目前性能好的其它两种视频压缩感知算法相比,性能也有明显提升。(本文来源于《计算机工程与设计》期刊2019年09期）
汤红忠,王翔,郭雪峰,刘婷[8]（2019）在《面向乳腺病理图像分类的非相干字典学习及稀疏表示算法》一文中研究指出针对乳腺病理图像分类,提出一种非相干字典学习及其稀疏表示算法.首先针对不同类别的图像,基于在线字典学习算法分别学习各类特定的子字典;其次利用紧框架建立一种非相干字典学习模型,通过交替投影优化字典的相干性、秩与紧框架性,从而有效地约束字典的格拉姆矩阵与参考格拉姆矩阵的距离,获得判别性更强的非相干字典;最后采用子空间旋转方法优化非相干字典的稀疏表示性能.利用乳腺癌数据集BreaKHis进行实验的结果证明,该算法所学习的非相干字典能平衡字典的判别性与稀疏表示性能,在良性肿瘤与恶性肿瘤图像分类上获得了86.0%的分类精度;在良性肿瘤图像中的腺病与纤维腺瘤的分类上获得92.5%的分类精度.(本文来源于《计算机辅助设计与图形学学报》期刊2019年08期）
李清泉,王欢[9]（2019）在《基于稀疏表示理论的优化算法综述》一文中研究指出近年来,稀疏表示理论在信号处理、图像处理和计算机视觉等领域引起了广泛关注。很多研究人员提出了基于稀疏模型的算法,从不同视角对稀疏表示进行分类,如稀疏约束中使用的不同范数的方法可分为l_0范数最小化、l_p范数(0<p<1)最小化、l_1范数最小化、l_2范数以及l_(2,1)范数最小化5类。此外,还可对求解上述稀疏模型中不同的优化算法进行分类,包括贪婪策略、约束优化策略、逼近算法和同伦算法。通过介绍不同的稀疏模型及分析各类优化算法的基本原理,充分揭示出稀疏表示理论的潜在性质,为相关研究人员提供指引。(本文来源于《测绘地理信息》期刊2019年04期）
郑秋梅,马茂东,王风华,孙燕翔,李波[10]（2019）在《基于稀疏表示的人脸人耳融合识别算法》一文中研究指出单一生物特征在识别过程中具有一定的局限性,基于人脸和人耳在位置上具有一定的关联性,提出了人脸人耳特征级融合的识别算法。采用主成分分析法(PCA)对人脸及人耳进行特征提取,然后运用稀疏表示对所提取的特征进行分类表达。而基于稀疏表示的人脸人耳识别方法,在遮掩、含噪声的情况下取得了不错的识别效果。实验证明,基于稀疏表示的人脸人耳融合的识别算法,具有较好的识别准确度。(本文来源于《计算机与数字工程》期刊2019年07期）
稀疏表示算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对光学相机成像分辨率低、噪声干扰严重等问题,本文提出一种能有效去噪的高精度超分辨方法—基于快速l1-范数稀疏表示和二阶广义全变分(TGV)的超分辨方法。首先利用各向异性扩散张量(ADT)作为边缘高频信息,通过快速l1-范数稀疏表示方法建立LR图像和相对应的高频信息ADT的字典集;其次将字典学习到的ADT边缘信息和TGV模型组合成新的规则项;最后利用新的规则项建立超分辨代价函数,并利用图像增强后处理方法对整幅图像进行优化。结果表明:算法对仿真数据和SO12233靶标数据具有较高的可行性和鲁棒性,能有效去除噪声等异常点,获得高质量清晰图像,同时与其他经典算法相比,所提算法超分辨的峰值信噪比和结构相似度均有所增大。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
稀疏表示算法论文参考文献
[1].谢斌,黄安,黄辉.本征图像分解的稀疏表示彩色图像去噪算法[J].液晶与显示.2019
[2].穆绍硕,张解放.基于快速l_1-范数稀疏表示和TGV的超分辨算法研究[J].光电工程.2019
[3].黎丽,潘博,杨俊,蒋涛,陈丽.图像非局部自相似的稀疏表示算法[J].嘉兴学院学报.2019
[4].金璐,李范鸣,刘士建,王霄.基于稀疏表示的红外空中目标分类算法（英文）[J].红外与毫米波学报.2019
[5].贾立丽,张升伟,何杰颖,李娜.基于多任务联合稀疏表示的高光谱图像分类算法[J].微电子学与计算机.2019
[6].石翠萍,王晴.基于稀疏表示的图像超分辨率重建算法设计[J].微电子学与计算机.2019
[7].李金昊,杨春玲,禤韵怡.视频压缩感知中组稀疏表示的自适应阈值算法[J].计算机工程与设计.2019
[8].汤红忠,王翔,郭雪峰,刘婷.面向乳腺病理图像分类的非相干字典学习及稀疏表示算法[J].计算机辅助设计与图形学学报.2019
[9].李清泉,王欢.基于稀疏表示理论的优化算法综述[J].测绘地理信息.2019
[10].郑秋梅,马茂东,王风华,孙燕翔,李波.基于稀疏表示的人脸人耳融合识别算法[J].计算机与数字工程.2019