基于稀疏表示的图像超分辨是基于学习的超分辨方法,比双三线性插值能取得更好的效果
基于学习方法构造的冗余字典可更加准确地提取信号的结构特征,也是近几年的研究热点。论文在研究了基于KSVD字典学习的图像去噪算法的基础上,将相关系数匹配准则和字典裁剪方法相结合,提出一种改进的字典学习算
为了提高图像稀疏表示性能,提出了一种有效的结构化字典图像稀疏表示方法.针对过完备字典构造和稀疏分解中原子筛选问题,提出了一种基于灰色关联度的字典原子筛选和结构聚类方案.首先,对测试图像分块处理,利用块
详细的讲述了信号的稀疏表示和稀疏分解问题,很适合做开题报告。
基于压缩感知的空间稀疏目标成像方法研究
针对频率选择性衰落信道下的放大转发协同正交频率复用(OFDM)通信系统,提出一种基于压缩感知理论的稀疏信道估计方法。首先,构造协同OFDM系统模型,利用循环矩阵理论,将该系统模型变换成类似于传统的点对
。基于压缩感知理论设计的雷达和光学稀疏遥感成像系统,突破了Shannon-Nyquist定理的限制,以较少的测量数据实现了同等甚至更高质量的信号重构。
常用的块稀疏压缩感知恢复算法,主要以omp算法为主,包括BOMP
针对运用压缩感知理论对ISAR目标成像时不同目标所需观测维数和积累时间不同的问题,提出了一种基于压缩感知的稀疏孔径认知ISAR高分辨成像方法。在对目标稀疏特性认知的基础上,构建了基于目标横向稀疏度和观
作为1-bit压缩感知重构算法,在此基础上可以仿真,改进稀疏度自适应算法