疏散表示航天科工

     
近十几年来,稀疏(sparsity)已经成为信号处理及其应用领域中居于第①位的定义之一。近期,讨论人口又从事于过完备(overcomplete)信号表示的钻研。那种代表不一样于许多守旧的表示。因为它能提供3个普遍范围的生成成分(atoms)。而冗余(redundant)信号表示的魅力正在于其能一举两得地(紧致)的意味一大类信号。对稀疏性的兴味源自于新的取样理论-压缩传感(compressed
sensing)的升华,压缩传感是香农采集样品理论的一种替代,其使用信号自身是稀疏的这一先验,而香农理论是统一筹划用来频率带宽有限的信号的。通过确立采集样品和稀疏的直接关联,压缩传感在大气的没错领域,如编码和音讯论,信号和图像采集处理,军事学成像,及地理和航天数据解析等都赢得利用。压缩传感的另一贡献是多多益善古板的逆难题,如断层图像重建,可以看作压缩传感难点。那类病态(ill-posed)难题亟需正则化。压缩传感对寻求周到性解的艺术给出了强硬的理论支撑。

     字典分三种,一种是隐性字典,implicit
dictionary,那种重庆大学是由它们的算法表现出来的,而不是矩阵结构,比如wavelet,curvelet,contourlet,等等。另一种是因此机械学习来从样本中赢得字典,那种字典表现为一种显性矩阵,explicit
matrix,而算法是用来适应矩阵的,比如PCA,GPCA,MOD,K-SVD等等,那种字典的益处在于比前一种灵活,表现能够,坏处正是消耗费时间间和平运动算能源,其余复杂的束缚限制了字典的轻重缓急以及须求处理的信号的维度(所以杂文建议的那一个算法最终用3D图像去噪来表现优越性)。

 

参考:

稀疏编码和字典学习

http://blog.csdn.net/abcjennifer/article/details/8693342

航天科工,        

发表评论

电子邮件地址不会被公开。 必填项已用*标注