搜索资源列表
8-(1)
- 图像修复是对图像中破损区域进行信息填充,以减少图像破损所带来的信息损失的过程。 传统的图像修复方法需要依赖图像的具体结构来制定相应的修复方法,压缩感知理论的提出,使得可以利 用信号的稀疏性来对图像进行修复。基于K 奇异值分解(KSVD)与形态学成分分析(MCA,Morphological Component Analysis)的图像修复方法首先采用形态学成分分析方法对破损图像进行特征分析,将其分解 为结构部分和纹理部分;然后基于学习型字典KSVD分别对这两部分进行过完备字典训练;
as_rpca
- 本程序主要是处理图像的,主要是用于求解被高幅度尖锐噪声而不是高斯分布噪声污染的信号分离问题~把问题矩阵分解成一个低秩表示的矩阵和一个稀疏矩阵,优化目标函数,用ALM方法是求解的~-This procedure is mainly to deal with the image, mainly for solving high-amplitude sharp noise rather than Gaussian noise distribution of the signal separation
MATLAB总结
- 信号稀疏表示的目的就是在给定的超完备字典中用尽可能少的原子来表示信号,可以获得信号更为简洁的表示方式,从而使我们更容易地获取信号中所蕴含的信息,更方便进一步对信号进行加工处理,如压缩、编码等。信号稀疏表示方向的研究热点主要集中在稀疏分解算法、超完备原子字典、和稀疏表示的应用等方面。(Signal sparse representation is to overcomplete dictionary given in as little as possible to represent atomi
新建文件夹 (2)
- 字典学习。比如一个向量,是k维的,我现在有一个k*n的字典,其中n>>k,所谓的字典学习,就是在这包含n个向量的字典当中寻找一个线性表示可以表示出当前这个k维的向量。之所以称为“稀疏表示”,因为一般n大于k,比如n=512,k=64。这时候你的字典一定是一个Redundant(冗余的,过剩的)的。因此你的表示里面一定有很多系数为0,因而被称作稀疏表示。 信号稀疏表示的目的就是在给定的超完备字典中用尽可能少的原子来表示信号,可以获得信号更为简洁的表示方式,从而使我们更容易地获取信号中
Sparse image and signal processing
- 这本书在稀疏的多尺度图像和信号处理提出了艺术状态,包括线性多尺度变换,如小波,脊波和曲波变换、非线性、多尺度变换基于中值和数学形态学算子。最近的稀疏性和形态多样性的概念描述和利用各种问题,如去噪,反问题正规化,稀疏信号分解,盲源分离,压缩感知。 这本书的理论和实践研究相结合的领域,如天文学、生物学、物理学、数字媒体应用和取证。最后一章探讨了信号处理中的一个范式转换,表明以前的信息取样和提取的限制可以用非常重要的方法加以克服。 MATLAB和IDL代码伴随这些方法和应用程序重现。 实验并说明
omp
- 正交匹配追踪(OMP)在稀疏分解与压缩感知重构,稀疏分解先于压缩感知提出,信号稀疏表示的目的就是在给定的超完备字典中用尽可能少的原子来表示信号,可以获得信号更为简洁的表示方式,从而使我们更容易地获取信号中所蕴含的信息,更方便进一步对信号进行加工处理,如压缩、编码等。(Orthogonal Matching Pursuit (OMP) is used in sparse decomposition and compressive sensing reconstruction. Sparse dec
An improved sparse component analysis Assembly
- 改进的盲源信号分析代码程序集,内有4个例子,对应论文为"Identification of modal parameters using an improved sparse blind source separation".
direction finding algorithm
- 利用信号本身的结构特征,通过附加不同的稀疏约束,该模型利用过完备字典进行信号分解,使其表示成字典中若干原子的线性组合,从而获得数据的精简表示。(By using the structural characteristics of the signal itself and adding different sparse constraints, the model decomposes the signal into linear combinations of atoms in the dic