本文主要研究多維信號下的張量壓縮感知算法,中心是基于高階奇異值分解的字典學(xué)習(xí)算法及其在視頻信號中的應(yīng)用。張量壓縮感知（Tensor Compressed Sensing）是近年來新出現(xiàn)的一種處理多維數(shù)據(jù)的方法,例如視頻序列、醫(yī)學(xué)成像以及高光譜圖像等。傳統(tǒng)壓縮感知理論的一個內(nèi)在限制是,它只能以向量的形式對數(shù)據(jù)進行稀疏表示。對于多維信號,如果將原信號進行向量化處理,不僅容易使信號自身具有的某些結(jié)構(gòu)信息遭到破壞,而且在優(yōu)化求解過程中使計算的復(fù)雜度大大增加,從而使信號重構(gòu)的效率降低。但是將多維信號表示為張量的話,用張量的形式處理多維信號,可以讓數(shù)據(jù)的結(jié)構(gòu)得到保存。因此,如何將傳統(tǒng)壓縮感知理論拓展到張量壓縮感知,是大家致力于研究的問題中心。本文以視頻序列為對象,提出了張量壓縮感知的字典學(xué)習(xí)算法HOSVDDL（Higher Order SVD Dictionary Learning）�；诟唠A奇異值分解模型,核張量作為稀疏表示系數(shù),各個因子作為字典,在保證稀疏性要求的前提下,優(yōu)化學(xué)習(xí)字典,對張量數(shù)據(jù)進行充分的逼近。與現(xiàn)有的字典學(xué)習(xí)算法Kronecker Dictionary Learning相比,... 

【文章來源】：北京工業(yè)大學(xué)北京市 211工程院校

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 壓縮感知理論
        1.2.2 張量壓縮感知
    1.3 本文主要研究內(nèi)容
第2章 稀疏表示的理論基礎(chǔ)
    2.1 稀疏表示理論
        2.1.1 稀疏表示理論及模型
        2.1.2 稀疏表示算法
        2.1.3 字典學(xué)習(xí)算法
    2.2 本章小結(jié)
第3章 張量壓縮感知
    3.1 張量及其性質(zhì)
        3.1.1 張量簡介
        3.1.2 張量的基本運算
    3.2 張量的稀疏表示算法
    3.3 張量的字典學(xué)習(xí)算法
        3.3.1 KDL字典學(xué)習(xí)算法
        3.3.2 HOSVDDL字典學(xué)習(xí)算法
    3.4 理論支撐
    3.5 本章小結(jié)
第4章 視頻壓縮感知及重構(gòu)
    4.1 數(shù)據(jù)模擬
    4.2 彩色圖像重構(gòu)
    4.3 視頻序列重構(gòu)
    4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]視頻編碼技術(shù)的若干新進展[J]. 黎洪松,程福林,艾新宇.  計算機應(yīng)用研究. 2016(08)
[2]圖像分塊壓縮感知中的自適應(yīng)測量率設(shè)定方法[J]. 李然,干宗良,崔子冠,武明虎,朱秀昌.  通信學(xué)報. 2014(07)
[3]信號壓縮重構(gòu)的正交匹配追蹤類算法綜述[J]. 楊真真,楊震,孫林慧.  信號處理. 2013(04)
[4]基于變采樣率的多假設(shè)預(yù)測分塊視頻壓縮感知[J]. 練秋生,田天,陳書貞,郭偉.  電子與信息學(xué)報. 2013(01)
[5]基于壓縮感知的視頻編碼技術(shù)研究[J]. 陳建,蘇凱雄,朱宇耀.  福州大學(xué)學(xué)報(自然科學(xué)版). 2012(06)
[6]基于壓縮感知理論的視頻編解碼器[J]. 謝曉春,賴昭勝,楊漢祥.  電視技術(shù). 2010(05)



本文編號：3130589