收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于几何代数的稀疏表示方法研究

沈苗苗  
【摘要】:信号稀疏表示是一种新兴的信号分析和综合方法,其目的就是在过完备字典中用尽可能少的原子来表示信号。作为一种有效的图像表示模型,稀疏表示使用包含一定数量原型原子作为元素的超完备字典,图像信号可以表示为这些原子的稀疏线性组合,近年来成为了炙手可热的研究重点。稀疏表示在灰度图像的处理当中已经取得了较为先进的水平,然而对于彩色图像稀疏表示,传统的方法是把彩色图像的三个颜色通道作为三个独立的灰度图像进行单色处理,这样完全忽略了各个通道之间的相互关系,从而可能造成重建结果的色调失真。改进的方法是将RGB通道连接起来形成一个共同的通道以减轻色调失真的问题,并训练一个学习字典来表示共同的通道,但是由于三个通道之间的关系缺乏明确的约束,仍然不能得到令人满意的结果。于是,基于四元数矩阵与彩色图像的相容性,又出现了一种有效的彩色稀疏表示模型,避免了三个颜色通道的相关性丢失。但是,对于更多通道的信号如多光谱图像,四元数就无能为力了。幸运的是几何代数提供了一个处理多通道信号的有效的工具。本文基于几何代数提出了针对彩色图像、多光谱图像的稀疏表示模型,又提出了可交换几何代数基,并基于可交换几何代数提出了新的稀疏表示模型,大大降低了算法复杂度。在本文中,首先研究了现有的稀疏表示模型框架以及几何代数理论框架,基于几何代数提出了彩色图像稀疏表示模型,多光谱图像稀疏表示模型,将稀疏表示应用于更高维的数据处理中。然后,针对几何代数乘法不可交换而产生的计算复杂度高的问题,提出了可交换几何代数基,即乘法可交换,并基于可交换几何代数提出了新的彩色图像稀疏表示模型,旨在提高性能的同时降低算法的时间复杂度。此外,还基于几何代数提出了多通道信号L1范数最小化求解算法。具体研究内容如下所示:(1)研究几何代数框架并提出可交换几何代数基。几何代数提供了一个强大的图像处理框架,为多通道信号提供了一种强大的表示方法,即将多通道信号的各个通道编码到几何代数的各个分量上进行整体处理。但是几何代数是乘法不可交换的,具有算法复杂度高的缺点。针对这个问题提出了可交换几何代数基,在大大降低算法的时间复杂度的同时去除数据冗余。(2)提出一种基于几何代数的彩色图像稀疏表示模型。该模型将彩色图像表示为几何代数多矢量的形式,并提出了一种基于几何代数的字典学习算法。在几何代数空间中进行稀疏基的选择,将通道图像统一转换到正交的颜色空间,在矢量重建的过程中能够完全保留彩色图像固有的颜色结构。此外,由于不同通道原子间的冗余度较低,与现有的稀疏模型相比,该稀疏模型在图像恢复任务中更为有效。实验结果表明,所提出的基于几何代数的彩色图像稀疏表示模型成功地避免了色调偏差问题,彰显了其作为彩色图像分析和处理领域的通用、强大工具的潜力。(3)提出一种基于几何代数的多光谱图像稀疏表示模型。几何代数在图像处理中得到了很好的应用,为多光谱图像的表示提供了一种强有力的方法,基于几何代数提出了一种多光谱图像的多矢量稀疏表示模型。该模型充分考虑了空间信息和光谱信息,将多光谱图像表示为几何代数多矢量,并提出了一种基于几何代数的字典学习算法。充分考虑到多光谱图像中各个光谱通道之间的相关性,成功地避免了伪影和模糊效应。实验结果表明,所提出的稀疏模型通过对光谱通道间相关性的深入捕捉,超越了现有的多光谱图像重建和去噪方法,对多光谱图像的处理具有实用性和有效性。(4)提出一种基于可交换几何代数的彩色图像稀疏表示模型。首先,提出了一种新的可交换几何代数理论,包括可交换稀疏基及其几何运算。其次,基于可交换几何代数理论,该模型将三通道彩色图像表示为可交换几何代数多矢量,并在可交换几何代数空间中保留空间信息和光谱信息,并基于可交换几何代数提出了一种新的字典学习算法。实验结果表明,所提出的基于可交换几何代数的彩色图像稀疏表示模型可以去除数据冗余,降低算法的时间复杂度,同时可以有效地保留原有的颜色结构。(5)提出一种基于几何代数的多通道信号L1范数最小化问题。讨论了在压缩传感理论中起重要作用的L1范数最小化问题。现有的方法都是针对低维信号设计的,为了解决多通道信号L1范数最小化问题提出了一种基于几何代数的优化算法,通过将其转换为二阶锥规划,来解决有噪声和无噪声的多通道信号L1范数最小化问题。将多通道信号表示为一个几何代数多矢量的形式,在不丢失多通道信号不同通道间相关性的前提下,对其进行整体处理。通过数值实验验证了该算法的有效性和对噪声的鲁棒性。


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 Fang LI;Jia SHENG;San-yuan ZHANG;;基于稀疏表示的拉普拉斯稀疏字典图像分类(英文)[J];Frontiers of Information Technology & Electronic Engineering;2017年11期
2 黄宏图;毕笃彦;侯志强;胡长城;高山;查宇飞;库涛;;基于稀疏表示的视频目标跟踪研究综述[J];自动化学报;2018年10期
3 刘嘎琼;;改进稀疏表示的人脸识别在高校管理中的应用[J];计算机与数字工程;2018年11期
4 余庆辉;朱晗琰;吴海霞;戈晓玲;潘逸炜;;基于类内稀疏表示的人脸识别[J];科技展望;2015年32期
5 滕升华;商胜楠;王芳;赵增顺;;一种基于复合稀疏表示的阿尔茨海默病的诊断方法[J];生物医学工程研究;2016年01期
6 黄宏图;毕笃彦;高山;查宇飞;侯志强;;基于局部敏感核稀疏表示的视频跟踪[J];电子与信息学报;2016年04期
7 张保庆;穆志纯;曾慧;;基于非负稀疏表示的遮挡人耳识别[J];计算机辅助设计与图形学学报;2014年08期
8 张石清;赵小明;楼宋江;闯跃龙;郭文平;陈盈;;一种局部敏感的核稀疏表示分类算法[J];光电子.激光;2014年09期
9 陈思宝;许立仙;罗斌;;基于多重核的稀疏表示分类[J];电子学报;2014年09期
10 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期
11 甘乐;;高光谱遥感影像稀疏表示与字典学习分类研究[J];地理与地理信息科学;2019年01期
12 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年04期
13 王威;朱宗玖;陆俊;;基于字典学习和局部约束的稀疏表示人脸识别[J];电脑知识与技术;2018年05期
14 韦道知;黄树彩;赵岩;庞策;;非负谱稀疏表示的高光谱成像中的异常检测[J];红外与激光工程;2016年S2期
15 王科平;杨赞亚;恩德;;基于分类冗余字典稀疏表示的图像压缩方法[J];计算机工程;2017年09期
16 王学军;王文剑;曹飞龙;;基于自步学习的加权稀疏表示人脸识别方法[J];计算机应用;2017年11期
17 黄少煌;黄立勤;;改进的两阶段协作稀疏表示分类器[J];南阳理工学院学报;2016年02期
中国重要会议论文全文数据库 前10条
1 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
2 杨宝;朱启兵;黄敏;;基于非负矩阵分解一稀疏表示分类的玻璃缺陷图像识别[A];第24届中国控制与决策会议论文集[C];2012年
3 田野;张立新;严涛;杨志梅;张茁;;基于稀疏表示的北斗导航卫星预失真滤波器设计方法[A];第九届中国卫星导航学术年会论文集——S08 测试评估技术[C];2018年
4 肖琼;黄永言;;稀疏表示在脑电信号处理中的应用研究现状[A];人-机-环境系统工程创立30周年纪念大会暨第十一届人-机-环境系统工程大会论文集[C];2011年
5 赵雪峰;孙成禹;;基于稀疏表示的地震多属性融合[A];2016中国地球科学联合学术年会论文集(十九)——专题40:油气田与煤田地球物理勘探[C];2016年
6 廖佳俊;刘志刚;蔡尚;姜江军;;基于非负—平滑约束的高光谱稀疏表示目标检测算法研究[A];国家安全地球物理丛书(十二)——地球物理与信息感知[C];2016年
7 蒙红英;柴昱洲;韩宇;;一种基于稀疏表示的JPEG-LS改进算法[A];第四届高分辨率对地观测学术年会论文集[C];2017年
8 柴汉超;郭翌;汪源源;曹万里;孙福康;;基于多尺度稀疏表示分割肾上腺肿瘤CT图像[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
9 杜兰;李晨;孙永光;;基于联合动态稀疏表示的SAR自动目标识别[A];第五届高分辨率对地观测学术年会论文集[C];2018年
10 余力;郭翌;汪源源;陈萍;;基于超声心动图序列的胎儿左心室分割[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
中国博士学位论文全文数据库 前10条
1 樊晓宇;基于自适应稀疏表示的压缩感知MRI算法研究[D];燕山大学;2019年
2 范长德;基于稀疏表示模型的行为识别研究[D];燕山大学;2019年
3 张永强;基于稀疏表示和级联回归的面部动作捕捉技术研究[D];哈尔滨工业大学;2018年
4 商琨;稀疏、低秩表示学习模型与相关方法研究[D];天津大学;2017年
5 杨红红;稀疏表示及多示例跟踪算法研究及其在视频监控中的应用[D];西北工业大学;2018年
6 张岩;基于稀疏表示的油气地震勘探数据重建与去噪方法研究[D];东北石油大学;2018年
7 赵永红;基于稀疏表示的阵列信号空间谱估计方法研究[D];西安电子科技大学;2017年
8 任博;基于稀疏表示和流形学习的SAR图像分类算法研究[D];西安电子科技大学;2017年
9 程增飞;基于压缩感知的阵列信号处理技术研究[D];西安电子科技大学;2017年
10 吴晓欢;基于稀疏表示的波达方向估计理论与方法研究[D];南京邮电大学;2017年
中国硕士学位论文全文数据库 前10条
1 陈咏;基于矢量信号稀疏表达模型的图像重建技术研究[D];上海交通大学;2017年
2 杜进楷;多模态医学图像融合算法研究[D];贵州师范大学;2019年
3 陈萍萍;基于稀疏表示和深度学习的第二代身份证识别[D];福州大学;2018年
4 雷娅;基于Takenaka-Malmquist字典的无线信道稀疏表示方法与应用[D];上海大学;2019年
5 沈苗苗;基于几何代数的稀疏表示方法研究[D];上海大学;2019年
6 侯雨含;基于稀疏表示的高光谱图像目标检测[D];山东科技大学;2018年
7 王成俊;基于循环引导滤波器和稀疏表示的图像融合算法研究[D];云南大学;2019年
8 曾怿;基于四元稀疏表示模型的多通道图像重建技术与应用[D];上海交通大学;2016年
9 田晨曦;稀疏表示分类的模型、量化指标体系及应用[D];河南大学;2019年
10 韩青云;基于稀疏表示的DAS数据降噪方法研究[D];电子科技大学;2019年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978