欢迎来到天天文库
浏览记录
ID：20996543
大小：961.72 KB
页数：10页
时间：2018-10-18
《小波中期答辩》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、小波图像分解与重构中期答辩1995年40万1996年80万1997年110万1999年250万2000年350万2003年600万2004年800万2005年1200万2010年2300万傅利叶变换（奈奎斯特准则）部分傅利叶变换（窗口傅利叶变换）压缩感知（小波变换等）原始信号采样量化变换压缩编码信号重构原始信号稀疏变换随机投影（观测矩阵）信号重构稀疏变换利用压缩感知理论进行信号处理分析的前提是信号必须在某个特定的正交空间上具有稀疏性。信号的稀疏性与所选择的正交空间特性密切相关。通过稀疏变换使得信号的表示只有K个系数是非零的，称为K阶稀疏。小波变换对于图像来说是一种相当有效的稀疏
2、变换，最新的jpeg2000图像压缩技术就是基于小波的。基于小波变换的图像稀疏变换是毕设中期要完成的任务。小波变换示意图LLLHHLHH仿真结果观测矩阵我们知道，稀疏变换就是用一个正交矩阵Ψ和原信号相乘，B=ΨX,X，B为L*1的矩阵，Ψ就是一个L*L的正交基。在压缩感知理论中，我们并非直接测量稀疏信号X本身，而是通过变换基得到稀疏系数。同时，将这组系数向量投影到另一个与变换基Ψ不相干的观测基Φ上，即Z=ΦB=ΦΨX=PX,此处，Z为M*1的矩阵，Φ为M*L的矩阵，M<3、随机矩阵几乎与任何稀疏信号都不相关。谢谢以上内容为中期答辩要求，占毕设总体的60%。已能通过matlab仿真得到上述结果。
3、随机矩阵几乎与任何稀疏信号都不相关。谢谢以上内容为中期答辩要求，占毕设总体的60%。已能通过matlab仿真得到上述结果。
此文档下载收益归作者所有
