导读:本文包含了冗余字典论文开题报告文献综述及选题提纲参考文献，主要关键词:压缩感知,冗余字典,截断?_2,?_1极小化,数据分离
冗余字典论文文献综述
刘佳艺[1]（2019）在《基于冗余字典的（截断）?_2/?_1极小化方法的块稀疏信号恢复》一文中研究指出随着大数据已经深入到各个领域,人们的生活越来越离不开它.如今人们需要的数据越加复杂多变且具有高价值性,如何有效地处理这些数据一直是学术研究的焦点.压缩感知理论能够很好的适用于如今的数据处理问题,它先利用合适的字典对信号稀疏表示,之后通过降维和高效的恢复理论与算法精确恢复原始信号.现在这种理论已经广泛应用到医学成像、信息论、无线通信、模式识别、图像处理等领域.本文结合块压缩感知理论研究了基于冗余字典的块稀疏信号恢复问题.主要内容如下:第一章,首先介绍了产生压缩感知的背景及其与传统采样方法相比的优势,并简要概括了压缩感知及块压缩感知理论在冗余字典下的研究现状,最后总结了全文的大体结构.第二章,首先介绍传统压缩感知在冗余字典下的相关内容,其次针对块结构数据,介绍块压缩感知理论在冗余字典下的相关内容.第叁章,在块压缩感知理论的基础上,提出基于冗余字典的截断?_2/?_1极小化模型,并且利用冗余字典下的块限制性等容条件及块限制性正交条件,得出冗余字典下的块限制性等容常数δ_(k+[t/2]|τ)在(0,0.307)时,模型的误差上界.之后基于离散余弦变换字典,利用改进的交替方向乘子算法进行相应的实验,充分证实了算法对信号恢复的有效性.第四章,对于多模态数据,首先介绍原始的数据分离模型,然后基于冗余字典条件,结合块压缩感知理论,研究完全扰动下的?_2/?_1压缩数据分离问题.其次利用冗余字典下的扰动块限制性等容条件得到模型误差上界.最后利用冗余字典下的块迭代加权最小二乘算法进行相应的数值实验,充分证实了算法的有效性.第五章,总结了全文的主要工作内容,分析和展望了冗余字典下截断块压缩感知和块压缩数据分离问题中可进一步研究的内容.(本文来源于《西南大学》期刊2019-05-31）
王丽,王威[2]（2019）在《基于冗余字典的高光谱图像稀疏分解研究》一文中研究指出高光谱图像的稀疏分解能得到其稀疏表示形式,便于对图像进行压缩处理。因高光谱图像特征复杂,单一正交基无法捕捉到图像信号的所有特征,需构建原子个数更多的冗余字典对高光谱图像进行稀疏表示。针对高光谱图像,以高斯原子为基础,构造叁种冗余字典,利用正交匹配追踪算法找到最优原子,完成高光谱图像的稀疏分解,利用重构图像的峰值信噪比、结构相似性和计算效率对冗余字典的稀疏表示能力进行评价。实验结果表明,构造的叁种冗余字典均能对高光谱图像进行稀疏表示,重构图像的峰值信噪比均能达到40 dB以上,结构相似性达到0.99以上,且高斯字典的计算效率最高。(本文来源于《电子设计工程》期刊2019年10期）
邓韬,林建辉,黄晨光,靳行[3]（2019）在《基于索引冗余字典的轴承故障组稀疏分类方法研究》一文中研究指出基于声发射信号的高速列车轮对轴承早期故障状态诊断和分类复杂性高,常用的人工神经网络及支持向量机方法在参数设置与多分类问题上存在困难。组稀疏分类(GSRC)仅通过超完备字典下稀疏重构即可实现理想的多分类,在图像、语音分类中成为热点。为将GSRC用于轴承故障识别,设计了一种带索引的复合故障冗余字典,利用样本信号多尺度排列熵构成索引字典的小体积优势预先匹配来缩小故障类范围,以邻近梯度法和最优一阶加速的组LASSO约束优化算法来提高收敛性和计算速度;采用改进EEMD结合变分模态分解自适应的获得各故障类初始原子,以保留故障的非线性特征,同时提出一种原子区间平移稀疏编码方法(Interval Translation Sparse Coding, ITSC)放宽了样本数据截取要求,原子有更好的紧凑性与稀疏性;对七类轴承缺陷试验台跑合声发射信号进行分类,验证了该方法的性能。(本文来源于《振动与冲击》期刊2019年07期）
郭俊锋,李育亮,王茁[4]（2019）在《一种基于过完备冗余字典的图像去噪方法》一文中研究指出针对基于字典学习的图像去噪方法中字典学习速度慢、反应时间长的不足,在稀疏表示字典学习的基础上,提出了一种改进的字典学习算法。字典学习过程分为稀疏编码和字典更新两个阶段,在字典更新阶段采用一种求近似解的方法替代K-SVD(K奇异值分解)算法中消耗时间最多的SVD分解,并舍弃K-SVD和近似K-SVD算法中字典更新阶段重复更新稀疏系数矩阵的过程。实验结果表明,与K-SVD和近似K-SVD字典学习算法相比,在不降低图像峰值信噪比和结构相似度的前提下,改进的字典学习算法减少了字典学习时间,提高了图像去噪的效率。(本文来源于《机械设计与制造工程》期刊2019年02期）
牛丽琨,吴美平[5]（2018）在《基于Curvelet变换冗余字典的重力数据稀疏表示与重建》一文中研究指出压缩感知理论为低采样建立大面积、高精度的重力场模型提供了理论指导。构造合适的变换基,实现二维重力数据更为稀疏的表示,对于测量矩阵的设计和重构精度的提高具有重大意义。采用Curvelet变换作为核函数构造过完备冗余字典,选取不同尺度不同方向的曲波系数作为原子组成不同的字典,对EGM2008模型分辨率为1′×1′的某海域重力异常数据进行稀疏表示和重建,根据PSNR值,稀疏度和η值作为评估标准确定最优原子个数。最后采用OMP算法对重力数据稀疏表示并重建。(本文来源于《物探化探计算技术》期刊2018年05期）
王鑫,朱行成,宁晨,王慧斌[6]（2018）在《基于冗余字典学习的图像修补算法》一文中研究指出在稀疏表示理论研究的基础上,提出了基于不同冗余字典的图像修补算法。首先设计采用离散余弦变换或K-SVD算法获得冗余DCT字典、KSVDG全局字典及KSVDA自适应字典等叁种不同的字典;然后分别基于上述叁种不同的冗余字典,稀疏表示待处理图像;最终图像中缺损的部分将通过冗余字典和稀疏系数有效地表示出来。实验结果表明,提出的算法修补后的图像视觉效果好,并在峰值信噪比、特征相似度等主要图像质量评价指标上优于现有几种经典的图像修补方法。(本文来源于《计算机工程与应用》期刊2018年06期）
付晓梅,陈莉,邢娜[7]（2017）在《基于非正交傅里叶基的冗余字典设计》一文中研究指出在压缩感知理论的稀疏表示过程中,通常选择正交完备字典实现信号稀疏表示.冗余字典比完备字典表现出对信号更好的适应性,常见的冗余字典直接由两个或多个正交完备字典级联而成.为了设计对信号具有更好适应性的冗余字典,改变原有正交完备字典,通过对正交傅里叶完备字典中的原子进行扩展、延时、混迭等一系列变换,设计出一种新的非正交完备字典.在此基础上,将该完备字典与单位矩阵级联构造了新的非正交冗余字典.以一维信号作为测试信号,研究了冗余字典的性能.仿真实验结果表明提出的非正交冗余字典比正交傅里叶完备字典具有更好的稀疏性能和重构性能.(本文来源于《天津大学学报(自然科学与工程技术版)》期刊2017年12期）
王璐[8]（2017）在《基于冗余字典的超分辨率图像复原研究》一文中研究指出高分辨率的图像不仅满足了科研应用上的需求,而且使使用者感官上有良好的体验。然而获取高分辨率(high resolution,HR)图像却因图像的采集设备上的约束而十分困难。所以怎样复原低分辨率(low resolution,LR)的图像,并且获得期望的高分辨率的图像是一个十分重要的任务,并且有广泛的应用。图像的超分辨率(Super resolution,SR)重建技术的难点是实际观测到的低分辨率图像包含的细节信息不足以还原高分辨率图像,这也是一个数学上的病态的问题。而在超分辨率图像复原算法的广泛实践应用中,应用广泛的是基于稀疏表示的超分辨率图像复原。基于稀疏表示的超分辨率复原:先将高低分辨率训练图像分块,再将块训练成高低分辨率字典,将测试图像映射到低分辨率字典上得到稀疏系数,然后乘以高分辨率字典得到最终复原图像。主要研究内容如下:稀疏表示理论中最重要的两部分分别是稀疏系数求解和字典学习,本文着重探讨了求解稀疏系数和冗余字典学习,分别使用不同稀疏系数求解方法和冗余字典学习进行超分辨率图像复原得到相应高分辨率复原图像。采用K-SVD算法在基于双重冗余全局字典学习的超分辨率图像复原中训练字典。复原过程中训练两重字典分别用来恢复高分辨率主要高频和高分辨率残差高频,将两次复原结果相加得到最终的复原图像。第二重字典训练将图像块最近的匹配相似的块形成结构组,利用结构组训练字典。基于PCA_KLLD冗余局部字典的超分辨率图像复原。采用局部字典学习进行图像复原,将两种局部字典学习和K-SVD全局字典学习利用仿真实验比较。对以往的基于DUAL_KLLD局部多字典的超分辨率图像复原复原出的高分辨率图像存在的的缺陷(产生明显的块效应)进行改进,采用改进的PCA_KLLD冗余局部多字典学习的超分辨率图像复原来复原图像。并将两种基于冗余局部多字典的超分辨率图像复原和K-SVD全局字典的超分辨率图像复原利用仿真实验进行比较,并用实验数据分析得出结论。(本文来源于《哈尔滨理工大学》期刊2017-03-01）
温凯峰,叶仕通[9]（2016）在《基于滤波导引冗余字典的图像稀疏去噪》一文中研究指出研究图像噪声去除步骤中存在局部特征信息缺失问题,提出基于滤波导引冗余字典的图像稀疏去噪方法。该去噪方案利用偏差噪声(附加噪声及对应去噪后图像偏差)进行图像稀疏表达,并对偏差噪声特征信息进行提取,以实现图像去噪效果提升。首先,基于滤波导引对图像去噪后仍存在的偏差噪声进行后处理;然后,基于该偏差噪声设计新的字典训练方法,并自适应获得图像处理冗余字典;最后,基于上述字典对偏差噪声图像进行特征纹理提取,并利用滤波导引方法结合特征纹理提取信息以及去噪图像进行图像恢复,实现图像去噪效果。仿真数据表明,所提算法性能要好于所选对比算法,并且具有较好的视觉恢复效果。(本文来源于《控制工程》期刊2016年08期）
刘春燕[10]（2016）在《基于冗余字典的扰动数据分离及块稀疏压缩感知研究》一文中研究指出随着大数据时代的到来,数据分析与数据处理技术吸引了越来越多的关注.近年来,处理信号数据的有效方法–压缩感知的稀疏建模也越来越受到人们的重视,其应用已渗透到信息论、图像处理、统计学等诸多领域.随着不同结构形式的信号数据出现,运用现有的压缩感知方法分析信号数据具有一定局限性.因此,深入研究压缩感知方法以及相关理论具有十分重要的意义.本文以压缩感知理论为基础,进一步研究了冗余字典的扰动数据分离以及块稀疏压缩感知.本文主要贡献如下:第一章,我们简略概括了压缩感知的研究背景与意义,并从实际应用和国内外方面分析了压缩感知的研究历史与现状,介绍了冗余字典的扰动数据分离以及块稀疏压缩感知研究现状.最后给出了本文主要工作及全文组织结构.第二章,详细阐述了稀疏信号数据的重构理论,较为全面地介绍了压缩感知叁大理论:信号的稀疏表示、测量矩阵设计和重构算法设计.简要介绍了冗余字典,最后主要分析了压缩感知重构理论及近几年来学者的研究成果.第叁章,首先介绍了完全扰动的数据分离重构理论.随后,获得了完全扰动的?1极小化及非凸?q(0<q≤1)极小化数据分离问题的重构条件及误差上限估计.结果表明:误差上限估计受扰动矩阵E、q值和最佳k项逼近影响.利用了块D-RIP常数δ2k|τ,当√22≤δ2k|τ<1时,得到了冗余字典的非凸?2/?q极小化问题鲁棒重构的充分条件以及误差上限估计.此外,我们还获得了分块个数不超过4倍块稀疏度(d≤4k)的鲁棒重构条件与误差上限估计.为压缩感知的进一步发展提供借鉴作用和理论价值.第四章,基于两种不同的冗余字典—离散余弦变换(DCT)和小波变换(WT),我们执行了一系列仿真实验,对?q(0<q≤1)极小化方法的理论结果进行了验证,并验证了在测量矩阵受各种扰动和加性噪音下,非凸?q(0<q≤1)极小化方法具有较强的鲁棒性和稳定性.第五章,归纳与总结了全文所做工作,并对本文可以继续研究的内容作了分析与展望.(本文来源于《西南大学》期刊2016-06-02）
冗余字典论文开题报告
（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：
高光谱图像的稀疏分解能得到其稀疏表示形式,便于对图像进行压缩处理。因高光谱图像特征复杂,单一正交基无法捕捉到图像信号的所有特征,需构建原子个数更多的冗余字典对高光谱图像进行稀疏表示。针对高光谱图像,以高斯原子为基础,构造叁种冗余字典,利用正交匹配追踪算法找到最优原子,完成高光谱图像的稀疏分解,利用重构图像的峰值信噪比、结构相似性和计算效率对冗余字典的稀疏表示能力进行评价。实验结果表明,构造的叁种冗余字典均能对高光谱图像进行稀疏表示,重构图像的峰值信噪比均能达到40 dB以上,结构相似性达到0.99以上,且高斯字典的计算效率最高。
（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。
冗余字典论文参考文献
[1].刘佳艺.基于冗余字典的（截断）?_2/?_1极小化方法的块稀疏信号恢复[D].西南大学.2019
[2].王丽,王威.基于冗余字典的高光谱图像稀疏分解研究[J].电子设计工程.2019
[3].邓韬,林建辉,黄晨光,靳行.基于索引冗余字典的轴承故障组稀疏分类方法研究[J].振动与冲击.2019
[4].郭俊锋,李育亮,王茁.一种基于过完备冗余字典的图像去噪方法[J].机械设计与制造工程.2019
[5].牛丽琨,吴美平.基于Curvelet变换冗余字典的重力数据稀疏表示与重建[J].物探化探计算技术.2018
[6].王鑫,朱行成,宁晨,王慧斌.基于冗余字典学习的图像修补算法[J].计算机工程与应用.2018
[7].付晓梅,陈莉,邢娜.基于非正交傅里叶基的冗余字典设计[J].天津大学学报(自然科学与工程技术版).2017
[8].王璐.基于冗余字典的超分辨率图像复原研究[D].哈尔滨理工大学.2017
[9].温凯峰,叶仕通.基于滤波导引冗余字典的图像稀疏去噪[J].控制工程.2016
[10].刘春燕.基于冗余字典的扰动数据分离及块稀疏压缩感知研究[D].西南大学.2016